相关实验视频
Updated: Jul 6, 2025
07:42
A Data-Driven Approach to Quantifying Immune States in Sepsis
Published on: February 7, 2025
174
多器官时空信息意识模型用于败血症死亡率预测
Xue Feng1, Siyi Zhu1, Yanfei Shen2
1Department of Biomedical Engineering, Zhejiang University, Hangzhou 310027, China.
Artificial intelligence in medicine
|January 6, 2024
概括
一个新的模型,循环图注意力网络多门循环单位 (rGAT-mGRU),通过分析器官相互作用,准确地预测败血症死亡率. 这种败血症预后工具有助于临床医生及时进行干预,并改善患者的治疗结果.
科学领域:
- 计算生物学和生物信息学
- 医疗信息学医学信息学
- 医疗保健中的人工智能
背景情况:
- 败血症是一种危及生命的多器官功能障碍综合征.
- 败血症的死亡率与受影响器官的数量相关.
- 现有的预后模型忽视了器官之间关键的时空相互作用,限制了它们的有效性,尤其是稀少的数据.
研究的目的:
- 开发一个全面的模型来预测败血症引起的住院死亡率.
- 为了捕捉多个器官系统之间的复杂的时空相互作用.
- 改善败血症预后,特别是在有限的临床数据的情况下.
主要方法:
- 开发了一个循环图注意力网络多门循环单元 (rGAT-mGRU) 模型.
- 利用时间器官变异的平行GRU子模型和时间空间连接的GAT.
- 采用了多器官数据流的注意注入机制.
- 从MIMIC-III数据库中对10,181例败血症病例进行了培训和测试.
主要成果:
- rGAT-mGRU模型实现了0.8777 ± 0.0039的AUROC和0.5818 ± 0.0071.00的AUPRC.
- 与常见基线模型相比,表现出优越的性能.
- 通过注意力权重,通过时间有效地划分器官贡献.
- 在有限的临床数据下保持一致的性能.
结论:
- 通过分析动态的时空器官相互作用,rGAT-mGRU模型显示了败血症预后的潜力.
- 为临床医生在重症监护机构提供宝贵的辅助决策支持.
- 增强对败血症多器官系统动态的理解.
