skunkworks long stayer risk stratification
1.0.0
يستخدم مشروع تجريبي لفريق Skunkworks Lab التابع لـ NHS AI (الذكاء الاصطناعي)، نظام Long Stayer Risk Stratification البيانات التاريخية من مؤسسة NHS Foundation Trust التابعة لمستشفيات جلوسيسترشاير للتنبؤ بمدة بقاء المريض في المستشفى عند دخوله.
باعتباره المرشح الناجح من برنامج AI Skunkworks لمصادر المشكلات، تم اختيار Long Stayer Risk Stratification لأول مرة كمشروع تجريبي لفريق AI Skunkworks في أبريل 2021.
يهدف إثبات المفهوم (TRL 4) إلى إثبات الصلاحية التقنية لتطبيق شبكة عصبية تلافيفية على سجلات المرضى من أجل التنبؤ بمدة الإقامة. إنه غير مخصص للنشر في بيئة سريرية أو غير سريرية دون مزيد من التطوير والامتثال للوائح الأجهزة الطبية في المملكة المتحدة لعام 2002 حيث يكون المنتج مؤهلاً كجهاز طبي.
خضع هذا المشروع لتقييم تأثير حماية البيانات (DPIA)، مما يضمن حماية البيانات المستخدمة بما يتماشى مع قانون حماية البيانات في المملكة المتحدة لعام 2018 واللائحة العامة لحماية البيانات في المملكة المتحدة. لا تتم مشاركة أي بيانات أو نماذج مدربة في هذا المستودع.
إن المقيمين لفترة طويلة في المستشفى، أولئك الذين تبلغ مدة إقامتهم (LoS) 21 يومًا أو أكثر، لديهم نتائج طبية واجتماعية أسوأ بكثير من المرضى الآخرين. غالبًا ما يتم تحسين المقيمين لفترة طويلة طبيًا (صالحين للخروج) قبل عدة أيام من خروجهم الفعلي. علاوة على ذلك، هناك مزيج معقد من العوامل الطبية والثقافية والاجتماعية والاقتصادية التي تساهم في أسباب الإقامة الطويلة غير الضرورية.
يحتوي هذا المستودع على عرض توضيحي لإثبات المفهوم، تم تطويره كجزء من مشروع بحثي - وهو تعاون بين Polygeist وGluucestershire Hospitals NHS Foundation Trust وNHSX وبيئة القدرات المتسارعة (ACE) التابعة لوزارة الداخلية. يهدف المشروع إلى تحقيق هدفين أساسيين:
أولاً، تحديد ما إذا كان من الممكن اتباع نهج الذكاء الاصطناعي التجريبي للتنبؤ بالمقيمين في المستشفى لفترة طويلة؛ ثانيًا، إذا كان الأمر كذلك، لإنتاج أداة لتقسيم المخاطر إلى طبقات لإثبات المفهوم (PoC).
تعرض الأداة LTSS لسجل المريض، بين المستوى 1 و5؛ مع كون الرقم 5 هو الخطر الأكثر خطورة لبقاء المريض لفترة طويلة. تسمح الأداة باستكشاف عوامل مختلفة، وتمكن المستخدم من تحرير تلك الإدخالات لإنتاج تقديرات دقيقة أو افتراضية للمخاطر التي يتعرض لها المريض.
أظهرت الأداة تصنيفًا جيدًا للمخاطر بالنسبة للبيانات الحقيقية، حيث يتكون المستوى الأول من 99% من المقيمين لفترة قصيرة، وحالات بسيطة، مع تصنيف أقل من 1% من المقيمين لفترة طويلة على أنهم منخفضو المخاطر للغاية. علاوة على ذلك، تم تصنيف 66% من جميع المقيمين لفترة طويلة ضمن فئتي الخطر 4 و5، مع تزايد النسب بشكل مطرد من خلال الفئات. كما قسمت فئة الخطر 5 أيضًا المرضى الذين لديهم إقامات طويلة وخطيرة في المستشفى تحت عتبة الإقامة الطويلة (الإقامات الخطيرة والطويلة).
التقرير الفني الكامل (PDF) متاح لأعضاء هيئة الخدمات الصحية الوطنية. أرسل طلبك بالبريد الإلكتروني إلى [email protected]
| المستندات | وصف |
|---|---|
| واجهة برمجة تطبيقات REST | أوصاف نقطة نهاية API وأمثلة الاستخدام |
| LTSS قارورة التطبيق API | وثائق الحزمة لحزمة ltss Python والوحدات الفرعية المدمجة |
| تعليمات النشر | بناء وتشغيل التعليمات للتطوير أو عمليات نشر الإنتاج |
| نظرة عامة على واجهة الويب | وصف مكونات واجهة المستخدم وهيكل التطبيق |
| ملفات التكوين | نظرة عامة على ملفات التكوين المقدمة |
| ملفات تكوين بناء الإنتاج | نظرة عامة على ملفات التكوين المتوفرة لحاويات Docker الخاصة ببناء الإنتاج |
| توليد بيانات وهمية | وصف لكيفية إنشاء بيانات مزيفة لاختبار إعداد الريبو وتشغيله |
| تمرين | وصف عملية التدريب على النماذج المستخدمة في LTSS API |
يتم دعم المشروع من قبل NHS AI Lab Skunkworks، الموجود داخل مختبر NHS AI لدعم مجتمع الصحة والرعاية للتقدم السريع للأفكار من المرحلة المفاهيمية إلى إثبات المفهوم.
اكتشف المزيد عن NHS AI Lab Skunkworks. انضم إلى مركزنا الافتراضي لسماع المزيد عن الفرص المستقبلية لفعاليات تحديد مصادر المشكلات. تواصل مع فريق Skunkworks على [email protected].
