Специалисты Первого московского государственного медицинского университета им. И.М. Сеченова и компании «КваттроЛаб» разработали набор данных, с помощью которого будут обучать ИИ-модели для отделений реанимации и интенсивной терапии.

В датасет внедрены клинические фенотипы — алгоритмические идентификации патофизиологических состояний на основе показателей жизненных функций, лабораторных данных и динамики состояния пациента. Выделено больше 80 фенотипов на основе 5,3 тыс. случаев.

Как объяснили ученые, главная проблема современных ИИ-систем в реанимации — зависимость от неполных или отсутствующих кодов МКБ-10 (международная классификация болезней десятого пересмотра).

Меньше 30% случаев критических состояний в мире получают код. Клинические фенотипы решают эту проблему. Они позволяют ИИ-моделям обучаться на реальных клинических состояниях пациентов, а не на артефактах документирования. Они также исключают так называемую утечку данных из будущего (Data Leakage) на этапе обучения.

Разработчики создали на базе датасета ML-модель, которая способна прогнозировать развитие сепсиса у пациента за шесть часов до появления клинических признаков. Как считают исследователи, это подтвердило эффективность их подхода к созданию набора данных.