Computer algorithm can match physicians’ decisions about blood transfusions

Motivación
La verificación de la idoneidad de la transfusión de sangre para garantizar la calidad requirió un enorme uso de tiempo y recursos humanos por parte del sistema de salud. Presentamos aquí un nuevo algoritmo de aprendizaje automático para verificar la calidad de las transfusiones de sangre.

Materiales y métodos
La red neuronal de perceptrones multicapa (MLPNN) se diseñó para conocer el juicio de un experto a partir de 4946 casos clínicos. Luego se informó la precisión en la predicción de la transfusión de sangre.

Resultados
Logramos una tasa de precisión general del 96,8%, con una tasa de coincidencia del 99% con el juicio de los expertos en los casos apropiados y del 90,9% en los casos inapropiados.

Conclusiones
El algoritmo de aprendizaje automático puede coincidir con precisión con el juicio humano al incorporar información prequirúrgica y variables clave de laboratorio.

Background
Checking appropriateness of blood transfusion for quality assurance required enormous usage of time and human resources from the healthcare system. We report here a new machine learning algorithm for checking blood transfusion quality.

Materials and methods
The multilayer perceptron neural network (MLPNN) was designed to learn an expert’s judgement from 4946 clinical cases. The accuracy in predicting the blood transfusion was then reported.

Results
We achieved a 96.8% overall accuracy rate, with a 99% match rate to the experts’ judgement on those appropriate cases and 90.9% on the inappropriate cases.

Conclusions
Machine learning algorithm can accurately match to human judgement by feeding in pre-surgical information and key laboratory variables.