Dissertação

{en_GB=Physician-friendly predictive model: application to vasopressors administration and mechanical ventilation prediction} {} EVALUATED

{pt=Atualmente, as unidades hospitalares dispõem de grandes repositórios de dados clínicos referentes à estadia de pacientes. Estes repositórios têm um enorme potencial para serem utilizados como suporte aos médicos quando estes têm que tomar decisões. Apesar deste seu enorme potencial, os dados clínicos são complexos (elevada dimensionalidade, comportamento temporal, etc.) colocando desafios à sua utilização em modelos de decisão. Mesmo assim, existem várias abordagens que propõem modelos preditivos que exploram os repositórios com dados clínicos. Contudo, a maior parte destas abordagens utiliza algoritmos complexos que são difíceis de passar à prática e não estão focadas na interpretabilidade das previsões por parte dos médicos. Neste contexto, nós propomos dois modelos preditivos baseados no kNN para a previsão da administração de vasopressores e ventilação mecânica nas próximas horas. Os modelos preditivos propostos utilizam um conjunto de variáveis reduzido e fornecem com as previsões a informação clínica dos pacientes do passado considerados para as previsões, tornando as previsões facilmente interpretáveis pelos médicos. Utilizando apenas 5 variáveis, para a previsão da administração de vasopressores nas próximas duas horas, o melhor modelo obteve uma AUC de 0.927, para a previsão da ventilação mecânica nas próximas duas horas, o melhor modelo obteve uma AUC de 0.906., en=Nowadays, hospital units have large repositories of clinical data regarding the patient stays. These repositories have an enormous potential to be used to support physicians when they are making decisions. Despite its enormous potential, clinical data are complex (high dimensionality, temporal behaviour, etc.), posing challenges in its use in decision models. Nevertheless, there are several approaches proposing predictive models that explore the clinical data repositories. However, most of the approaches uses complex algorithms that are difficult to put in practice and are not focused on the interpretability of the predictions by the physicians. In this context, we propose two predictive models based on kNN for predicting vasopressors administration and mechanical ventilation within the next hours. The proposed predictive models use a small set of features and provide the clinical information of past patients considered for the predictions, making the predictions easier to interpret by physicians. Using only 5 features, for predicting vasopressors administration within 2 hours, the best model achieved an AUC of 0.927 and for predicting mechanical ventilation within two hours, the best model achieved an AUC of 0.906.}
{pt=Suporte à decisão médica, Dados clínicos, Aprendizagem automática, Metodologia, en=Clinical decision support, Clinical data, Machine learning, Methodology}

Novembro 16, 2018, 9:30

Publicação

Obra sujeita a Direitos de Autor

Orientação

ORIENTADOR

Helena Isabel De Jesus Galhardas

Departamento de Engenharia Informática (DEI)

Professor Associado

ORIENTADOR

João Carlos Serrenho Dias Pereira

Departamento de Engenharia Informática (DEI)

Professor Auxiliar

ORIENTADOR

Manuel João Caneira Monteiro da Fonseca

Faculdade de Ciências da Universidade de Lisboa

Professor Associado