Súhrnná analýza publikovaná v časopise PLOS One zistila, že modely strojového učenia dosahovali pri predpovedaní krátkodobej úmrtnosti dospelých so sepsou strednú rozlišovaciu schopnosť. Autori však upozorňujú na nedostatok nezávislého externého overovania, rozdiely medzi štúdiami a veľmi obmedzené dôkazy o dlhodobej úmrtnosti.
Hanxi Lv, Yan Gao a Aiping Yu prehľadali databázy PubMed, Embase, Web of Science a Cochrane Library do apríla 2026. Do metaanalýzy zaradili kohortové štúdie, ktoré vyvíjali alebo overovali modely na predpovedanie úmrtnosti dospelých pacientov so sepsou a súvisiacimi komplikáciami.
V tréningových súboroch dosiahla súhrnná plocha pod krivkou (AUC), teda ukazovateľ rozlišovacej schopnosti modelu, hodnotu 0,82 na základe 46 štúdií a 15 modelov. Vo validačných súboroch bola súhrnná hodnota AUC 0,79 na základe 50 štúdií a 25 modelov.
Najčastejšie hodnotená logistická regresia dosiahla vo validačných súboroch AUC 0,81. Náhodný les a XGBoost mali porovnateľné výsledky, pričom ich AUC sa v tréningových aj validačných súboroch pohybovala od 0,81 do 0,83. Najvyššie výsledky niektorých ďalších metód vychádzali iba z jednej štúdie, preto z nich nemožno vyvodiť spoľahlivé závery.
Medzi komplikáciami mali najsilnejšiu dôkazovú základňu a najlepšie výsledky encefalopatia spojená so sepsou a koagulopatia vyvolaná sepsou. Pri delíriu spojenom so sepsou bola využiteľnosť modelov obmedzená. Dôkazy o predpovedaní dlhodobej úmrtnosti boli podľa autorov mimoriadne vzácne.
Výsledky jednotlivých štúdií sa výrazne líšili v populáciách pacientov, prostredí liečby, definíciách úmrtnosti, časových horizontoch aj použitých algoritmoch. Takmer polovica štúdií pochádzala z jediného centra a len málo modelov bolo externe overených na úplne nezávislých súboroch pacientov. Metaanalýza navyše nemohla posúdiť zhodu predpovedaných rizík so skutočnými výsledkami ani klinickú využiteľnosť modelov. Štúdia vyšla 2. novembra 2026 v časopise PLOS One.
Lv et al This is an open access article distributed under the terms of the Creative Commons Attribution License, which permits unrestricted use, distribution, and reproduction in any medium, provided the original author and source are credited. Selected abstract and body passages only; no figure, table, dataset, logo or third-party media reuse.
Slovenské spracovanie a prípadný preklad: novinky.nakupovanie.sk, 2026, s využitím AI. Text bol skrátený a redakčne upravený. Nejde o oficiálny preklad ani schválenie autorom či PLOS.
