一个基于电子医疗记录的人工智能营养不良查工具
Xue Wang1, Kuanda Yao2, Zhicheng Huang3
1Department of Clinical Nutrition, Department of Health Medicine, Peking Union Medical College Hospital, Chinese Academy of Medical Sciences and Peking Union Medical College, Beijing, 100730, China; Department of Neurology, Zhongshan Hospital, Fudan University, Shanghai, 200032, China.
Clinical nutrition ESPEN
|May 1, 2025
概括
一个人工智能 (AI) 工具有效地使用电子健康记录 (EHR) 选营养不良风险,改善住院患者的早期检测. 与传统方法相比,这种AI方法提高了效率和诊断率.
科学领域:
- 医疗信息学 医疗信息学
- 医疗保健中的人工智能
- 营养科学 营养科学
背景情况:
- 营养查对于营养不良患者及时干预至关重要.
- 目前的方法可能是低效的,可能会推迟诊断和治疗.
- 使用电子健康记录 (EHR) 开发自动化工具可以提高效率和营养不良诊断率.
研究的目的:
- 开发一种人工智能 (AI) 工具,使用电子医疗记录进行营养不良风险查.
- 将人工智能工具的性能与传统的基于患者访谈的查方法进行比较.
- 评估人工智能驱动的营养查的效率和诊断准确性.
主要方法:
- 在中国的一家三级医院进行了横截面研究.
- 提取电子健康记录 (EHR) 数据,以训练和测试用于营养不良风险查的AI模型.
- 将六种机器学习算法与GLIM框架作为参考标准进行了比较;进行了特征选择和交叉验证.
主要成果:
- 极端梯度提升 (XGBoost) 算法显示了最高的性能 (AUC).
- 确定营养不良风险的关键特征包括体重减轻,食物摄入量减少,前白蛋白,白细胞计数,BMI组和中性粒细胞百分比.
- 简化模型显示出高准确度,随机森林使用采访数据达到0.97的AUC,使用EHR数据达到0.87.
结论:
- 人工智能可以有效地整合住院患者的EHR数据以检测营养不良风险.
- 开发的支持人工智能的工具显示出对新入院患者及时和高效的营养查的重大承诺.
- 这项技术有可能增强临床工作流程,改善与营养不良相关的患者结果.
