skunkworks long stayer risk stratification
1.0.0
Sebuah proyek percontohan untuk tim NHS AI (Artificial Intelligence) Lab Skunkworks, Long Stayer Risk Stratification menggunakan data historis dari NHS Foundation Trust Rumah Sakit Gloucestershire untuk memprediksi berapa lama seorang pasien akan tinggal di rumah sakit setelah masuk rumah sakit.
Sebagai kandidat yang berhasil dari program sumber masalah AI Skunkworks, Stratifikasi Risiko Long Stayer pertama kali dipilih sebagai proyek percontohan untuk tim AI Skunkworks pada bulan April 2021.
Bukti konsep ini (TRL 4) dimaksudkan untuk menunjukkan validitas teknis penerapan jaringan saraf konvolusional pada catatan pasien untuk memprediksi lama rawat inap. Produk ini tidak dimaksudkan untuk digunakan dalam lingkungan klinis atau non-klinis tanpa pengembangan lebih lanjut dan kepatuhan terhadap Peraturan Alat Kesehatan Inggris tahun 2002 yang menyatakan bahwa produk tersebut memenuhi syarat sebagai alat kesehatan.
Proyek ini tunduk pada Penilaian Dampak Perlindungan Data (DPIA), yang memastikan perlindungan data yang digunakan sejalan dengan Undang-Undang Perlindungan Data Inggris tahun 2018 dan GDPR Inggris. Tidak ada data atau model terlatih yang dibagikan dalam repositori ini.
Pasien yang dirawat dalam jangka waktu lama di rumah sakit, yaitu mereka yang memiliki masa rawat inap (LoS) selama 21 hari atau lebih, memiliki dampak medis dan sosial yang jauh lebih buruk dibandingkan pasien lain. Orang yang tinggal dalam jangka waktu lama sering kali sudah dioptimalkan secara medis (layak untuk dipulangkan) beberapa hari sebelum mereka benar-benar dipulangkan. Selain itu, terdapat kombinasi kompleks antara faktor medis, budaya, dan sosio-ekonomi yang berkontribusi terhadap penyebab tinggal lama yang tidak perlu.
Repositori ini berisi demonstran bukti konsep, yang dikembangkan sebagai bagian dari proyek penelitian - kolaborasi antara Polygeist, Rumah Sakit Gloucestershire NHS Foundation Trust, NHSX, dan Accelerated Capability Environment (ACE) Home Office. Proyek ini bertujuan untuk mencapai dua tujuan inti:
pertama, untuk menentukan apakah pendekatan eksperimental kecerdasan buatan (AI) untuk memprediksi lama tinggal di rumah sakit dapat dilakukan; kedua, jika demikian, untuk menghasilkan alat stratifikasi risiko proof-of-concept (PoC).
Alat ini menampilkan LTSS untuk catatan pasien, antara Level 1 dan 5; dengan 5 merupakan risiko paling parah bagi pasien untuk menetap dalam jangka waktu lama. Alat ini memungkinkan eksplorasi berbagai faktor, dan memungkinkan pengguna mengedit entri tersebut untuk menghasilkan perkiraan risiko pasien yang lebih baik atau hipotetis.
Alat ini telah menunjukkan stratifikasi risiko yang baik berdasarkan data sebenarnya, dengan Tingkat 1 terdiri dari 99% kasus jangka pendek, dan kasus kecil, dengan kurang dari 1% kasus lama yang diklasifikasikan sebagai risiko sangat rendah. Selain itu, 66% dari seluruh wisatawan yang menginap lama diklasifikasikan dalam Kategori Risiko 4 dan 5, dengan proporsi yang terus meningkat melalui kategori-kategori tersebut. Kategori Risiko 5 juga mengelompokkan pasien dengan masa rawat inap yang lama dan serius di bawah ambang batas rawat inap jangka panjang (rawat inap yang serius dan lama).
Laporan teknis lengkap (PDF) tersedia untuk anggota NHS. Kirimkan permintaan Anda melalui email ke [email protected]
| dokumen | Keterangan |
|---|---|
| API REST | Deskripsi Titik Akhir API dan contoh penggunaan |
| API Aplikasi Labu LTSS | Dokumentasi paket untuk paket ltss Python dan submodul yang disertakan |
| Instruksi Penerapan | Membangun dan menjalankan instruksi untuk penerapan pengembangan atau produksi |
| Ikhtisar WebUI | Deskripsi komponen UI dan struktur aplikasi |
| File Konfigurasi | Ikhtisar file konfigurasi yang disediakan |
| File Konfigurasi Pembuatan Produksi | Ikhtisar file konfigurasi yang disediakan untuk kontainer Docker build produksi |
| Menghasilkan data palsu | Deskripsi tentang cara menghasilkan data palsu untuk menguji pengaturan dan menjalankan repo |
| Pelatihan | Deskripsi proses pelatihan untuk model yang digunakan di LTSS API |
Proyek ini didukung oleh NHS AI Lab Skunkworks, yang ada di dalam NHS AI Lab untuk mendukung komunitas kesehatan dan perawatan agar dapat dengan cepat mengembangkan ide dari tahap konseptual hingga pembuktian konsep.
Cari tahu lebih lanjut tentang Skunkworks Lab AI NHS. Bergabunglah dengan Hub Virtual kami untuk mendengar lebih banyak tentang peluang acara sumber masalah di masa depan. Hubungi tim Skunkworks di [email protected].
