开发一种深度学习模型,用于预测儿科重症监护病房中的关键事件
In Kyung Lee1, Bongjin Lee2,3, June Dong Park2
1Department of Pediatrics, Seoul St. Mary's Hospital, Seoul, Korea.
Acute and critical care
|March 13, 2024
概括
这项研究开发了一种优秀的深度学习模型,用于预测儿科重症监护患者的关键事件,改善早期干预和生存率. 需要进一步的研究来进行外部验证.
科学领域:
- 儿科重症监护医药 儿科重症监护医药
- 医疗保健中的人工智能
- 机器学习用于临床预测.
背景情况:
- 早期识别危急病患有心脏骤停风险的患者对于及时干预和改善生存率至关重要.
- 开发预测模型可以帮助临床医生管理高风险儿科患者.
研究的目的:
- 开发和评估一种深度学习模型,用于预测儿科重症监护室 (PICU) 患者的关键事件.
- 评估模型在预测诸如心肺复苏或死亡等事件中的性能.
主要方法:
- 一项回顾性观察性研究,利用来自第三级大学医院PICU的数据 (2010年1月 - 2023年5月).
- 开发了一个基于长短期记忆 (LSTM) 算法的深度学习模型.
- 五倍交叉验证用于模型培训和测试.
主要成果:
- 该模型是使用11660个生命体征测量结果开发的,其中1060个对应于关键事件.
- 在接收器运行特征曲线 (AUC-ROC) 下获得了0.988.8的优秀面积.
- 在精度回忆曲线 (AUC-PR) 下表现出一个强大的区域,为0.862.2.
结论:
- 开发的深度学习模型在预测儿科重症监护中的关键事件方面表现出色.
- 建议对未来的研究进行外部验证,以确认模型的通用性.
更多相关视频
07:31Implementation of a Real-Time Psychosis Risk Detection and Alerting System Based on Electronic Health Records using CogStack
Published on: May 15, 2020
7.1K
11:27A Modified Sonographic Algorithm for Image Acquisition in Life-Threatening Emergencies in the Critically Ill Newborn
Published on: April 7, 2023
6.2K
