Resumen de Enhancing sepsis management through machine learning techniques: A review

N. Ocampo-Quintero, Pablo Vidal Cortés, Lorena del Río Carbajo, Florentino Fernández Riverola , M. Reboiro-Jato, Daniel González Peña

• español

  La sepsis representa un problema de salud pública de primer orden y es una de las principales causas de muerte a nivel mundial. El retraso en el inicio del tratamiento, junto con la no adherencia a las guías de práctica clínica se asocian a una mayor mortalidad. El aprendizaje automático o machine learning están siendo empleados en el desarrollo de sistemas de apoyo a la decisión clínica, innovadores en muchas áreas de la medicina, mostrando un gran potencial para la predicción de diversas condiciones del paciente, así como en la asistencia durante el proceso de toma de decisiones médicas. En este sentido, este trabajo lleva a cabo una revisión narrativa para proporcionar una visión general de cómo las técnicas de machine learning pueden ser empleadas para mejorar el manejo de la sepsis, discutiendo las principales tareas que tratan de resolver, los métodos y las técnicas más empleados, así como los resultados obtenidos, tanto en términos de precisión de los sistemas inteligentes, como en la mejora de los resultados clínicos.

• English

  Sepsis is a major public health problem and a leading cause of death in the world, where delay in the beginning of treatment, along with clinical guidelines non-adherence have been proved to be associated with higher mortality. Machine Learning is increasingly being adopted in developing innovative Clinical Decision Support Systems in many areas of medicine, showing a great potential for automatic prediction of diverse patient conditions, as well as assistance in clinical decision making. In this context, this work conducts a narrative review to provide an overview of how specific Machine Learning techniques can be used to improve sepsis management, discussing the main tasks addressed, the most popular methods and techniques, as well as the obtained results, in terms of both intelligent system accuracy and clinical outcomes improvement.