Vetenskaplig artikel
En ny tolkbar djupinlärningsmodell för diagnostik av patienter med andnöd på akutmottagningen baserad på komplett data från ett helt sjukvårdssystem
Originaltitel: A novel interpretable deep learning model for diagnosis in emergency department dyspnoea patients based on complete data from an entire health care system
PLoS ONE, 19(12), 2024
Sammanfattning
Vi utvecklade en tolkbar djupinlärningsmodell, CareNet, för att stödja diagnostik av andnödspatienter på akutmottagningar. Modellen klassificerar besök i fyra diagnoskategorier: akut hjärtsvikt, KOL-exacerbation, lunginflammation och "andra diagnoser". Genom att använda komplett data från Hallands regionala sjukvårdssystem (2017–2019) visade CareNet högre diagnostisk prestanda (AUROC 87,0%) än en enklare modell. Modellen identifierade viktiga variabler för diagnoser och skapade individuella tolkningar för varje patientbesök, vilket kan förbättra kliniska beslut och behandlingsstrategier.