Ученые ФНКЦ РР разработали и валидировали модель на основе методов машинного обучения для прогнозирования сепсиса у пациентов в продленном и хроническом критическом состоянии

Коллектив ученых Федерального научно-клинического центра реаниматологии и реабилитологии Министерства науки и высшего образования Российской Федерации (ФНКЦ РР) представил результаты исследования, посвященного разработке и валидации модели на основе методов машинного обучения для прогнозирования сепсиса у пациентов в продленном и хроническом критическом состоянии (ПКС/ХКС).
Итоги исследования опубликованы в журнале Journal of Clinical Medicine (Q1, CiteScore 5.2): “Machine Learning Model for Sepsis Prediction in Prolonged and Chronic Critical Illness: Development and Validation Using Retrospective Real-World ICU Data”.
В рамках исследования авторы разработали модель прогнозирования сепсиса (горизонт времени прогнозирования — 6 часов) на основе ретроспективных данных реальной клинической практики. Для обучения и проверки моделей использована Российская база данных реанимационных пациентов (RICD) и два открытых датасета PhysioNet/Computing in Cardiology Challenge 2019 (суммарно более 40 000 пациентов).
Результаты показали, что разработанная модель с высокой точностью позволяет исключать развитие сепсиса в течение шести последующих часов пребывания пациента в ОРИТ. Авторы подчеркивают, что полученные результаты демонстрируют принципиальную возможность создания клинически значимых инструментов на основе методов искусственного интеллекта для пациентов в ПКС/ХКС.
Заключительным этапом станет проспективная клиническая валидация, по результатам которой будет принято решение о внедрении разработанной модели в медицинскую информационную систему ФНКЦ РР в составе системы поддержки принятия врачебных решений.

Ознакомиться с полным текстом публикации можно по ссылке: https://www.mdpi.com/2077-0383/15/2/777
Публикация: Yadgarov, M.Y.; Rebrova, O.Y.; Berikashvili, L.B.; Polyakov, P.A.; Kadantseva, K.K.; Yakovlev, A.A.; Grechko, A.V.; Likhvantsev, V.V. Machine Learning Model for Sepsis Prediction in Prolonged and Chronic Critical Illness: Development and Validation Using Retrospective Real-World ICU Data. J. Clin. Med. 2026, 15, 777. https://doi.org/10.3390/jcm150207, IF журнала (2.9)77