skunkworks long stayer risk stratification
1.0.0
Um projeto piloto para a equipe do NHS AI (Inteligência Artificial) Lab Skunkworks, Long Stayer Risk Stratification usa dados históricos do Gloucestershire Hospitals NHS Foundation Trust para prever quanto tempo um paciente permanecerá no hospital após a admissão.
Como candidato selecionado do programa de identificação de problemas da AI Skunkworks, a Long Stayer Risk Stratification foi escolhida pela primeira vez como projeto piloto para a equipe da AI Skunkworks em abril de 2021.
Esta prova de conceito (TRL 4) tem como objetivo demonstrar a validade técnica da aplicação de uma rede neural convolucional aos registros dos pacientes, a fim de prever o tempo de internação. Não se destina à implantação num ambiente clínico ou não clínico sem maior desenvolvimento e conformidade com os Regulamentos de Dispositivos Médicos do Reino Unido de 2002, onde o produto se qualifica como um dispositivo médico.
Este projeto foi sujeito a uma Avaliação de Impacto na Proteção de Dados (DPIA), garantindo a proteção dos dados utilizados em linha com a Lei de Proteção de Dados do Reino Unido de 2018 e o RGPD do Reino Unido. Nenhum dado ou modelo treinado é compartilhado neste repositório.
Os pacientes hospitalizados por muito tempo, aqueles com tempo de internação (LoS) de 21 dias ou mais, apresentam resultados médicos e sociais significativamente piores do que outros pacientes. Os pacientes de longa permanência geralmente são clinicamente otimizados (adequados para alta) muitos dias antes de sua alta real. Além disso, existe uma mistura complexa de factores médicos, culturais e socioeconómicos que contribuem para as causas de estadias prolongadas desnecessárias.
Este repositório contém um demonstrador de prova de conceito, desenvolvido como parte de um projeto de pesquisa - uma colaboração entre Polygeist, Gloucestershire Hospitals NHS Foundation Trust, NHSX e o Accelerated Capability Environment (ACE) do Home Office. O projeto teve como objetivo atingir dois objetivos principais:
em primeiro lugar, determinar se era possível uma abordagem experimental de inteligência artificial (IA) para prever a permanência prolongada em hospitais; em segundo lugar, em caso afirmativo, produzir uma ferramenta de estratificação de risco de prova de conceito (PoC).
A ferramenta exibe o LTSS de um prontuário de paciente, entre os níveis 1 e 5; sendo 5 o risco mais grave de o paciente ficar internado por muito tempo. A ferramenta permite a exploração de vários fatores e permite ao usuário editar essas entradas para produzir estimativas refinadas ou hipotéticas do risco do paciente.
A ferramenta mostrou uma boa estratificação de risco para dados reais, com o Nível 1 consistindo em 99% de estadias de curta duração, e casos menores, com menos de 1% de estadias de longa duração sendo classificados como de muito baixo risco. Além disso, 66% de todos os residentes de longa duração foram classificados nas Categorias de Risco 4 e 5, com proporções a aumentar constantemente através das categorias. A Categoria de Risco 5 também estratificou os pacientes com internações hospitalares longas e graves abaixo do limite de internação prolongada (internações graves e prolongadas).
O relatório técnico completo (PDF) está disponível para membros do NHS. Envie sua solicitação por e-mail para [email protected]
| Documentos | Descrição |
|---|---|
| API REST | Descrições e exemplos de uso do endpoint da API |
| API do aplicativo LTSS Flask | Documentação do pacote para o pacote ltss Python e submódulos incorporados |
| Instruções de implantação | Instruções de criação e execução para implantações de desenvolvimento ou produção |
| Visão geral da WebUI | Descrição dos componentes da UI e estrutura do aplicativo |
| Arquivos de configuração | Visão geral dos arquivos de configuração fornecidos |
| Arquivos de configuração de compilação de produção | Visão geral dos arquivos de configuração fornecidos para contêineres Docker de build de produção |
| Gerando dados falsos | Descrição de como gerar dados falsos para testar a configuração e execução do repositório |
| Treinamento | Descrição do processo de treinamento dos modelos utilizados na API LTSS |
O projeto é apoiado pelo NHS AI Lab Skunkworks, que existe dentro do NHS AI Lab para apoiar a comunidade de saúde e cuidados a progredir rapidamente nas ideias desde a fase conceptual até à prova de conceito.
Saiba mais sobre o NHS AI Lab Skunkworks. Junte-se ao nosso Virtual Hub para saber mais sobre futuras oportunidades de eventos de resolução de problemas. Entre em contato com a equipe Skunkworks em [email protected].
