MétaCan
Menu
Retour à la cohorte
Enregistrement W7117294252 · doi:10.1001/jamanetworkopen.2025.50454

Diagnostic Codes in AI Prediction Models and Label Leakage of Same-Admission Clinical Outcomes

2025· article· en· W7117294252 sur OpenAlexaff
Bashar Ramadan, Ming-Chieh Liu, Michael C. Burkhart, William F. Parker, Brett K. Beaulieu‐Jones

Notice bibliographique

RevueJAMA Network Open · 2025
Typearticle
Langueen
DomaineMedicine
ThématiqueSepsis Diagnosis and Treatment
Établissements canadiensArtificial Intelligence in Medicine (Canada)
Organismes subventionnairesU.S. National Library of Medicine
Mots-clésPredictive modellingTrustworthinessMultiple ModelsClinical PracticeDiagnosis codeArtificial neural networkInterpretability

Résumé

récupéré en direct d'OpenAlex

Importance: Artificial intelligence models that predict same-admission outcomes for hospitalized patients, such as inpatient mortality, often rely on International Classification of Diseases (ICD) diagnostic codes, even when these codes are not finalized until after discharge. Objective: To investigate the extent to which the inclusion of ICD codes as features in predictive models are associated with inflated performance metrics via label leakage (eg, including the code for cardiac arrest into an inpatient mortality prediction model) and assess the prevalence and implications of this practice in existing literature. Design, Setting, and Participants: This prognostic study examined publicly available, deidentified inpatient electronic health record data from the Medical Information Mart for Intensive Care IV (MIMIC-IV) database. Patients admitted to an intensive care unit or emergency department at Beth Israel Deaconess Medical Center between January 1, 2008, and December 31, 2019, were included. These data were analyzed between December 18, 2024, and January 14, 2025. A targeted literature review of same-admission prediction models using MIMIC with ICD codes as features was performed between November 20 and 27, 2024. Main Outcome and Measures: Using a standard training-validation-test split procedure, prediction models were developed for inpatient mortality (logistic regression, random forest, and XGBoost) using only ICD codes as features. Performance in the test set was analyzed using areas under the receiver operating curve and variable importance. Frequencies of studies using same-admission prediction models using MIMIC with ICD codes were calculated from the targeted literature review. Results: The study cohort consisted of 180 640 patients (mean [SD] age at admission, 58.7 [19.2] years; 53.0% female), of whom 8573 (4.7%) died during the admission. The models using ICD codes predicted in-hospital mortality with high performance in the test dataset, with areas under the receiver operating curve of 0.976 (95% CI, 0.973-0.980) (logistic regression), 0.971 (95% CI, 0.967-0.974) (random forest), and 0.973 (95% CI, 0.968-0.977) (XGBoost). The most important ICD codes were subdural hemorrhage (OR, 389.99; 95% CI, 28.79-5283.59), cardiac arrest (OR, 219.58; 95% CI, 159.61-302.08), brain death (OR, 112.78; 95% CI, 13.42-947.70), and encounter for palliative care (OR, 98.04; 95% CI, 83.16-115.58). The literature review found that 37 of 92 studies (40.2%) using MIMIC to predict same-admission outcomes included ICD codes as features, even though both MIMIC publications and documentation clearly state that ICD codes are derived after discharge. Conclusions and Relevance: This prognostic study of the MIMIC-IV database suggests that using ICD codes as features in same-admission prediction models may be a severe methodological flaw associated with inflated performance metrics, rendering models incapable of clinically useful predictions. The literature review found that the practice is common. Addressing this challenge is essential for advancing trustworthy artificial intelligence in health care.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,040
Score d'incertitude au seuil0,382

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,132
Tête enseignante GPT0,436
Écart entre enseignants0,304 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations3
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJAMA Network OpenMême sujetSepsis Diagnosis and TreatmentTravaux en français237 207