Explainable AI unravels sepsis heterogeneity via coagulation-inflammation profiles for prognosis and stratification
Rattachement africain : cn, mo, us. Niveau de preuve : code pays fourni par la source.
Le résumé fourni par la source
Sepsis is a leading cause of hospital mortality, and its significant heterogeneity complicates prognosis and stratification. To address this challenge, we developed an explainable artificial intelligence prognostic model (SepsisFormer, a transformer-based neural network) and an automated risk-stratification tool (SMART) for sepsis. In a multi-center retrospective study of 12,408 sepsis patients, SepsisFormer achieved high predictive accuracy (AUC: 0.9301, sensitivity: 0.9346, and specificity: 0.8312). SMART (AUC: 0.7360) surpassed most established scoring systems. Seven coagulation-inflammatory routine laboratory measurements and patient age were identified to classify patients' four risk levels (mild, moderate, severe, dangerous) and two subphenotypes (CIS1 and CIS2), each with distinct clinical characteristics and mortality rates. Notably, patients with moderate/severe levels or CIS2 derive more significant benefits from anticoagulant treatment. Our work, therefore, offers a set of simple, real-time executable tools for sepsis heterogeneity, demonstrating the potential to enhance sepsis clinical practice globally, particularly in resource-constrained healthcare settings.
Ce résumé expose les affirmations des auteurs. BNTIC ne l’interprète pas comme une validation indépendante des résultats.
Le contrôle bibliographique ouvert
DOI retrouvé dans Crossref DOI retrouvé ; titre concordant.
- Titre Crossref
- Explainable AI unravels sepsis heterogeneity via coagulation-inflammation profiles for prognosis and stratification
- Date Crossref
- 24/11/2025
- Éditeur
- Springer Science and Business Media LLC
- Type
- journal-article
Ce recoupement confirme des métadonnées liées au DOI. Il ne confirme ni la méthode ni les conclusions de l’étude, et il ne compte pas comme une seconde source scientifique indépendante.
Où se fait cette recherche
-
Nanchang University Department of Critical Care Medicine pays non établi dans la noticeUniversité ou école supérieure
-
Chongqing Emergency Medical Center pays non établi dans la noticeÉtablissement de santé
-
Ningbo Medical Center Lihuili Hospital pays non établi dans la noticeÉtablissement de santé
-
Qilu Hospital of Shandong University Department of Gastroenterology pays non établi dans la noticeÉtablissement de santé
-
First Affiliated Hospital of Nanchang University pays non établi dans la noticeÉtablissement de santé
-
Kunming Medical University pays non établi dans la noticeUniversité ou école supérieure
-
Second Affiliated Hospital of Kunming Medical College pays non établi dans la noticeÉtablissement de santé
-
University of Macau pays non établi dans la noticeUniversité ou école supérieure
-
Chongqing University Department of Intensive Care Medicine pays non établi dans la noticeUniversité ou école supérieure
-
Chongqing Medical University Department of Emergency and Intensive Care Medicine pays non établi dans la noticeUniversité ou école supérieure
-
Brigham and Women's Hospital Department of Surgery pays non établi dans la noticeÉtablissement de santé
-
Harvard University pays non établi dans la noticeUniversité ou école supérieure
Department of Critical Care Medicine — Nanchang University, Chongqing Emergency Medical Center et Ningbo Medical Center Lihuili Hospital, avec 9 autres affiliations.
Une affiliation ne permet pas de déduire la nationalité d’un auteur.