相关实验视频
Updated: Jul 21, 2025
07:42
A Data-Driven Approach to Quantifying Immune States in Sepsis
Published on: February 7, 2025
249
时间卷积注意力模型用于败血症临床助理诊断预测预测
1College of Computer Science and Engineering, Northwest Normal University, 967 Anning East Road, Lanzhou 730070, China.
Mathematical biosciences and engineering : MBE
|July 28, 2023
概括
这项研究引入了一种时间卷积注意力模型用于败血症临床辅助诊断预测 (TCASP),以改善重症监护室 (ICU) 早期败血症检测. 提升早期和准确识别败血症,帮助临床决策和降低患者死亡率.
科学领域:
- 智能医疗保健系统 智能医疗保健系统
- 在临床环境中进行数据挖掘.
- 败血症病理生理学和预测
背景情况:
- 败血症是ICU中的关键器官衰竭疾病,死亡率高.
- 目前对败血症的理解有限,阻碍了研究进展.
- 电子医疗记录 (EMR) 为开发智能医疗解决方案提供了大量数据.
研究的目的:
- 开发一种针对败血症的智能监测和预警系统.
- 准确预测ICU患者的败血症发病率和时间.
- 改善临床决策和减少与败血症相关的死亡率.
主要方法:
- 使用了密集护理III (MIMIC-III) 数据集的医疗信息中心.
- 从ICU电子医疗记录 (EMR) 中提取了败血症患者的数据.
- 开发并应用了一种时间卷积注意力模型 (TCASP) 来预测败血症.
主要成果:
- TCASP的AUROC得分为86.9%,比现有模型提高6.4%.
- 该模型获得了AUPRC得分63.9%,提高了3.9%.
- 在预测败血症发病率和时间方面表现出卓越的表现.
结论:
- 在ICU中早期检测败血症方面,TCASP模型显示出显著的希望.
- 利用EMR数据的智能系统可以提高败血症监测和患者的治疗结果.
- 进一步研究用于败血症预测的数据挖掘对于智能医疗保健的进步至关重要.
