一个新的深度学习算法,用于为多式联络临床决策支持系统实时预测急诊室的临床恶化
Arom Choi1,2, Kwanhyung Lee3, Heejung Hyun3
1Department of Emergency medicine, Yonsei University College of Medicine, 50-1 Yonsei-ro, Seodaemun-gu, Seoul, Republic of Korea. AROMCHOI@yuhs.ac.
Scientific reports
|December 3, 2024
概括
临床决策支持系统 (CDSS) 的先进人工智能 (AI) 算法显著改善了急诊室 (ED) 患者病情恶化的实时预测. 这种人工智能工具比传统方法提高了准确性,有助于更早的临床干预.
科学领域:
- 人工智能在医学中的应用
- 临床决策支持系统 临床决策支持系统
- 紧急医疗分析 紧急医疗分析
背景情况:
- 在急诊室 (ED) 中,复杂的患者数据挑战了临床决策.
- 预测患者病情恶化的现有方法在实时准确性方面存在局限性.
- 需要先进的工具来支持重症监护机构的及时和准确的临床决策.
研究的目的:
- 开发和评估一个新的临床决策支持系统 (CDSS) 的深度学习算法.
- 为了提高紧急部门内关键事件的实时预测准确度.
- 通过使用各种患者数据,对比传统预测模型来评估算法的性能.
主要方法:
- 使用一级三级医院电子健康记录进行的回顾性研究.
- 开发一个人工智能 (AI) 算法,整合生命体征,实验室和成像数据.
- 在237,059次紧急诊所访问的数据集上对AI模型进行培训和测试.
主要成果:
- 与传统的物流回归模型相比,人工智能算法展示了优越的预测性能.
- 在精度回忆曲线 (AUPRC) 下的区域观察到显著改善.
- 随着在较短的时间间隔内整合连续数据,预测准确性增加.
结论:
- 人工智能算法可用于在各种医疗保健场景中增强实时临床决策.
- 开发的基于人工智能的CDSS显示出早期检测临床恶化的前景.
- 未来的研究应该专注于更大的数据集和多中心实时数据集成以进行优化.
