要約
早期病院死亡率予測は、集中治療室（ICU）に滞在する重篤な患者に対する効率的な医療判断を行うための重要な要素である。そのため、臨床記録に基づくこの問題を解決するために様々な方法が開発されてきた。しかし、一部の検査結果は時間のかかる処理が必要である。本論文では、ICU入室後1時間以内の患者の心電図信号から抽出した特徴量を使用して死亡率を予測する新しい手法を提案する。リスク予測のために、ICU患者の心拍数信号に基づいて定量的な特徴量が計算された。各信号は12つの統計的および信号ベースの特徴量で説明される。抽出された特徴量は8つの分類器に供給される：決定木、線形判別分析、ロジスティック回帰、サポートベクターマシン（SVM）、ランダムフォレスト、ブースティングツリー、ガウシアンSVM、およびK-最近傍法（K-NN）。提案手法の性能について洞察を得るためには、Medical Information Mart for Intensive Care III (MIMIC-III) という有名な臨床データセットを使用して複数の実験が行われた。実験結果は、精度、再現率、F1値、受信者動作特性曲線下面積（AUC）という観点で提案手法の能力を示している。決定木分類器は他の分類器よりも精度と解釈可能性において優れており、F1値とAUCがそれぞれ0.91と0.93となっている。これは心拍数信号がICU患者の死亡率予測に使用できることを示し、既存の高次元特徴量に基づく予測と同等以上の性能を達成できることが示されている。これらの高次元特徴量は処理が必要であり、欠損情報が含まれている可能性がある。以上が翻訳となります。