相关实验视频
Updated: Jul 25, 2025
08:46
A Neonatal Imaging Model of Gram-Negative Bacterial Sepsis
Published on: August 12, 2020
6.5K
关于新生儿败血症治疗的机器学习应用:范围审查
Colleen O'Sullivan1, Daniel Hsiang-Te Tsai2,3, Ian Chang-Yen Wu2,3,4
1School of Pharmacy, Queen's University Belfast, Belfast, UK. cosullivan07@qub.ac.uk.
BMC infectious diseases
|June 29, 2023
概括
机器学习在诊断新生儿败血症和预测抗生素耐药性方面显示出前景. 然而,关于其用于指导新生儿败血症经验性抗生素治疗的研究仍然有限.
科学领域:
- 新生儿医学 新生儿医学
- 传染性疾病 传染性疾病
- 医疗保健中的人工智能
背景情况:
- 新生儿败血症是全球死亡的主要原因,往往进展到器官衰竭.
- 非特异性症状,密集治疗和抗菌素耐药性增加使新生儿败血症管理复杂化.
- 超过70%的新生儿血流感染对一线抗生素具有耐药性.
研究的目的:
- 审查机器学习在新生儿败血症治疗中的应用.
- 确定机器学习在诊断新生儿败血症和指导抗生素治疗中的作用.
主要方法:
- 在PubMed,Embase和Scopus进行了全面的文献搜索.
- 包括专注于新生儿败血症,抗生素和机器学习应用的研究.
主要成果:
- 审查了18项研究,重点是用于诊断,死亡率预测和抗生素治疗的机器学习.
- 关键的诊断预测因素包括妊娠年龄,C反应蛋白和白细胞数量.
- 随机森林和神经网络在机器学习模型中表现出卓越的性能.
结论:
- 机器学习模型显示了诊断新生儿败血症和预测抗生素耐药性的潜力.
- 在利用机器学习指导新生儿败血症经验性抗生素治疗的研究中存在重大差距.
