旨在测量败血症风险的机器学习模型

2020-04-24 14:37:12    来源:新经网    作者:冯思韵

根据《急诊医学年鉴》上发表的一项研究,基于AI的脓毒症筛查工具在优于其他传统筛查方法后,可以更好地帮助医生找到患此病风险最大的患者。

旨在测量败血症风险的机器学习模型

美国和英国的一些医疗保健组织已经转向AI解决方案来解决患者的败血症并防止致命的后果。去年11月,马萨诸塞州的研究人员开发了一种AI系统,该系统可以预测何时应该对败血症患者使用关键药物。

旨在测量败血症风险的机器学习模型

对于本研究,一个研究团队使用机器学习来开发和测试一种败血症筛查工具,称为败血症风险评分(RoS),并使用来自49个不同城市社区医院急诊室(ER)患者的电子健康记录数据。该数据包含约270万条记录。

旨在测量败血症风险的机器学习模型

收到数据后1、3、6、12和24小时对筛选方法进行了分析。此外,它的性能还可以通过各种指标进行评估-警报率,接收器工作特性曲线(AUC)下的面积,灵敏度,特异性和精度。根据这项研究,当识别大多数高?;颊呤?,RoS是“最有区别的筛查工具”,并且比下一个表现最佳的败血症筛查方法更加灵敏和准确。

Tenet Healthcare等公司的数据科学家Ryan J. Delahanty博士说:“在这项回顾性研究中,与标准筛查工具相比,RoS更加及时和有区别……需要进一步的研究来验证独立站点的RoS得分。” 总结。

郑重声明:本文版权归原作者所有,转载文章仅为传播更多信息之目的,如作者信息标记有误,请第一时间联系我们修改或删除,多谢。