相关实验视频
Updated: Jun 14, 2025

A Data-Driven Approach to Quantifying Immune States in Sepsis
Published on: February 7, 2025
通过人工智能丰富策略增强败血症临床试验设计中的患者选择:算法开发和验证
Meicheng Yang1, Jinqiang Zhuang2,3, Wenhan Hu4
1State Key Laboratory of Digital Medical Engineering, School of Instrument Science and Engineering, Southeast University, Nanjing, China.
这项研究开发了一种人工智能模型,用于确定临床试验的持续性败血症患者,改善患者选择并减少试验异质性. 符合性预测通过量化输出不确定性来提高模型可靠性.
科学领域:
- 人工智能在医学中的应用
- 临床试验设计 临床试验设计
- 败血症病理生理学病理生理学
背景情况:
- 败血症是一种复杂的综合征,需要同质的患者队列进行有效的临床试验.
- 人工智能 (AI) 有助于识别患者子组,但缺乏用于临床决策的不确定性估计.
研究的目的:
- 设计一种人工智能模型,用于有目的地将患者纳入败血症试验,识别持续患病的个体.
- 确保人工智能模型提供可解释的因素,并以特定的置信级别估计输出不确定性.
主要方法:
- 追溯分析9135名败血症患者的模型开发和3743人的外部验证.
- 用148个变量对患者进行分层,分为快速死亡,恢复或持续疾病的轨迹.
- 利用机器学习算法,用于不确定性估计的合规预测 (CP),以及用于解释性的Shapley添加式解释.
主要成果:
- 一种渐变增强机器模型在整个验证队伍中预测败血症轨迹方面表现强.
- 关键预测因素包括最大的北上腺素等效率,尿液输出和生理学分数.
- 符合性预测可将预测误差降低高达30.7%,并改善了持续性疾病患者的识别.
结论:
- 人工智能模型可以通过实现更精确的患者招募来减少败血症临床试验中的异质性.
- 符合性预测提高了人工智能驱动的预测的可靠性,支持明智的临床决策.
更多相关视频
09:35A Protocol for Using Gene Set Enrichment Analysis to Identify the Appropriate Animal Model for Translational Research
Published on: August 16, 2017
07:03Standardized Colon Ascendens Stent Peritonitis in Rats - a Simple, Feasible Animal Model to Induce Septic Acute Kidney Injury
Published on: February 15, 2022
相关概念视频
Nursing Interventions II: Selecting and Classifying the Nursing Interventions
Clinical Trials
There are four phases in a clinical trial. A phase one...