相关实验视频
Updated: May 31, 2025
05:56
A Reproducible Intensive Care Unit-Oriented Endotoxin Model in Rats
Published on: February 20, 2021
2.0K
基于变压器的模型用于预测败血症患者在重症监护室停留的时间
Jeesu Kim1,2, Geun-Hyeong Kim1,2, Jae-Woo Kim1,2
1Medical Artificial Intelligence Center, Chungbuk National University Hospital, Cheongju, Republic of Korea.
Frontiers in medicine
|January 23, 2025
概括
一个新的深度学习模型准确地预测了败血症患者在重症监护室 (ICU) 停留的时间,有助于更好地管理医疗保健资源和降低成本.
科学领域:
- 医疗信息学 医疗信息学
- 医疗保健中的人工智能
- 关键护理医学 关键护理医学
背景情况:
- 败血症是一种需要进入重症监护室 (ICU) 的严重疾病,导致医疗保健成本增加和资源紧张.
- 有效管理ICU资源对于应对毒症患者护理日益增长的挑战至关重要.
研究的目的:
- 开发和评估一个深度学习模型,用于预测毒症患者在ICU的停留时间 (LOS).
- 评估该模型在优化ICU资源配置和减少医疗费用方面的潜力.
主要方法:
- 基于变压器的深度学习模型是使用521名败血症患者的数据开发的.
- 该模型分析了全球和本地输入数据,结合了基于顺序器官衰竭评估 (SOFA) 标准的分类和特征智能令牌.
- 模型性能使用四倍交叉验证进行了验证.
主要成果:
- 拟议的模型在预测ICU停留时间时实现了2.05天的平均绝对误差 (MAE).
- 结果表明该模型能够准确和可靠地预测败血症患者在ICU逗留的情况.
结论:
- 开发的深度学习模型通过优化ICU资源配置为医疗保健资源管理提供了宝贵的见解.
- 该模型的预测准确度表明其有潜力为高效的医疗保健成本管理策略做出贡献.
