由人工智能驱动的转录基因生物标志物发现,用于早期识别急症护理中的儿科恶化
Qing Wang1, Lina Sun1, Wei Meng1
1Pediatric Internal Medicine, Hongqi Hospital Affiliated to Mudanjiang Medical University, Mudanjiang City, Heilongjiang Province,China.
SLAS technology
|October 1, 2025
概括
这项研究引入了一个人工智能平台,用于早期检测青少年临床恶化. 它整合了各种数据,提供实时风险评级,提高了儿科干预的准确性.
科学领域:
- 生物医学信息学 生物医学信息学
- 医疗保健中的人工智能
- 儿科重症监护 儿科重症监护
背景情况:
- 早期发现儿童的临床状况恶化至关重要,但具有挑战性.
- 目前的方法往往缺乏全面的数据集成,以便及时干预.
研究的目的:
- 开发和评估一个人工智能驱动的预测分析平台,用于早期检测青少年临床恶化.
- 整合多式联运数据源,以提高预测准确度和预警时间.
主要方法:
- 使用ClinicalBERT用于临床笔记,XGBoost用于结构化数据,以及LSTM用于时间动态.
- 开发了一个元分类器,将多式输入 (转录组,生命体,实验室,笔记) 结合起来进行实时风险评估.
- 雇佣了五重交叉验证以进行绩效评估.
主要成果:
- 实现了高精度,AUROC为0.91和AUPRC为0.83.
- 显示平均早期预警时间为5.6小时.
- 确定了关键的预测标志物,包括乳酸,心率模式,SpO2可变性和炎症转录组信号.
结论:
- 人工智能平台有效地集成多式联络数据,可对儿科临床恶化进行可靠的预测.
- 该系统提供了一个可扩展,可解释的解决方案,用于生物标志物信息,基于精度的儿科干预.
- 多模式数据融合显著提高了预测稳定性和临床实用性.
