相关实验视频
Updated: Jul 3, 2025

08:50
Predictive Immune Modeling of Solid Tumors
Published on: February 25, 2020
7.0K
开发一种可预测的机器学习模型,用于二次免疫缺陷患者的病原体概况
Qianning Liu1, Yifan Chen1, Peng Xie2
1School of Statistics, Jiangxi University of Finance and Economics, Nanchang, 330013, Jiangxi, China.
BMC medical informatics and decision making
|February 13, 2024
概括
机器学习模型可以预测二次免疫缺陷患者 (HIV感染除外) 的传染病原体. 梯度增强机模型实现了91.01%的准确性,有助于及时做出临床决定.
科学领域:
- 传染性疾病 传染性疾病
- 机器学习 机器学习
- 免疫学 免疫学 免疫学
背景情况:
- 二次性免疫缺陷 (SID) 会增加对感染的易感性.
- 造成SID的原因包括艾滋病毒,慢性疾病,恶性瘤和免疫抑制剂.
- 非HIVSID的病原体概况基本上是未知的.
研究的目的:
- 开发各种原因 (不包括HIV) 的SID患者感染性病原体的预测模型.
- 帮助临床医生做出早期诊断和治疗决策.
主要方法:
- 使用了机器学习技术.
- 开发了使用南大学第一附属医院患者病历的预测模型.
- 专注于具有不同病因的二次免疫缺陷患者,不包括HIV.
主要成果:
- 梯度增强机模型表现出卓越的性能.
- 实现了最高准确率的91.01%的准确度.
- 它的表现明显优于其他车型 (13.48%,7.14%,4.49%).
结论:
- 开发的模型有效地预测了非HIV二次免疫缺陷中潜在的传染病原体.
- 便于在培养结果之前及时给予抗生素.
- 支持及时的临床决策,以改善患者的治疗结果.
更多相关视频
00:13A Precise Pathogen Delivery and Recovery System for Murine Models of Secondary Bacterial Pneumonia
Published on: September 21, 2019
5.7K
12:21A Mouse Model for the Transition of Streptococcus pneumoniae from Colonizer to Pathogen upon Viral Co-Infection Recapitulates Age-Exacerbated Illness
Published on: September 28, 2022
2.5K