skunkworks long stayer risk stratification
1.0.0
Long Stayer Risk Stratification 是 NHS AI（人工智慧）實驗室 Skunkworks 團隊的試點項目，它使用格洛斯特郡醫院 NHS 基金會信託基金的歷史數據來預測患者入院後將住院多長時間。
作為 AI Skunkworks 問題溯源計畫的成功候選者，Long Stayer 風險分層於 2021 年 4 月首次被選為 AI Skunkworks 團隊的試點計畫。
此概念驗證 (TRL 4) 旨在證明將捲積神經網路應用於患者記錄以預測住院時間的技術有效性。如果沒有進一步開發和符合 2002 年英國醫療器材法規（該產品符合醫療器材資格），則不打算在臨床或非臨床環境中部署。
該計畫接受了資料保護影響評估 (DPIA)，確保所使用的資料符合《2018 年英國資料保護法》和英國 GDPR。此儲存庫中不共用任何資料或經過訓練的模型。
長期住院患者，即住院時間 (LoS) 為 21 天或更長的患者，其醫療和社會結果明顯比其他患者差。 長期住院者通常在實際出院前許多天進行醫學優化（適合出院）。 此外，醫療、文化和社會經濟因素錯綜複雜，導致不必要的長期居留。
該儲存庫包含一個概念驗證演示程序，該演示程序是作為 Polygeist、格洛斯特郡醫院 NHS 基金會信託基金、NHSX 和內政部加速能力環境 (ACE) 之間合作的研究項目的一部分而開發的。該計畫旨在實現兩個核心目標：
首先，確定是否可以使用實驗性人工智慧（AI）方法來預測醫院長期住院者；其次，如果是，則製作概念驗證（PoC）風險分層工具。
該工具顯示患者記錄的 LTSS（等級 1 到 5）； 5 是患者成為長期住院者最嚴重的風險。 該工具允許探索各種因素，並使用戶能夠編輯這些條目以產生對患者風險的精確或假設的估計。
該工具顯示了真實數據的良好風險分層，1 級由 99% 的短期停留者組成，少數情況下，只有不到 1% 的長期停留者被歸類為極低風險。 此外，66% 的長期入住者被歸類為風險類別 4 和 5，且該比例在各個類別中穩步增加。風險類別 5 也將那些長期住院且嚴重住院的患者劃分為長期住院閾值（嚴重且長期住院）。
完整的技術報告 (PDF) 可供 NHS 成員使用。透過電子郵件將您的請求發送至 [email protected]
| 文件 | 描述 |
|---|---|
| 休息API | API端點描述和使用範例 |
| LTSS Flask 應用程式 API | ltss Python 套件和合併子模組的套件文檔 |
| 部署說明 | 建置和運行開發或生產部署指令 |
| 網頁介面概述 | UI元件和應用程式結構的描述 |
| 設定檔 | 提供的設定檔概述 |
| 生產建置設定檔 | 為生產建置 Docker 容器提供的設定檔概述 |
| 產生虛假數據 | 描述如何產生假資料來測試儲存庫的設定和運行 |
| 訓練 | LTSS API 中使用的模型的訓練過程的描述 |
該計畫得到了 NHS AI Lab Skunkworks 的支持，該實驗室位於 NHS AI Lab 內，旨在支持醫療保健界將想法從概念階段快速推進到概念驗證階段。
了解有關 NHS AI Lab Skunkworks 的更多資訊。加入我們的虛擬中心，以了解有關未來問題追蹤活動機會的更多資訊。請透過 [email protected] 與 Skunkworks 團隊聯繫。
