相关实验视频
Updated: Jan 10, 2026
07:42
A Data-Driven Approach to Quantifying Immune States in Sepsis
Published on: February 7, 2025
465
人工智能用于败血性休克死亡风险分层:系统性审查和元分析
Xin Lian1, Yi Liu2, Xiaoming Liu3
1Department of Emergency, People's Hospital Affiliated to Shandong First Medical University, Jinan, Shandong, China.
International journal of medical informatics
|November 22, 2025
概括
人工智能 (AI) 在预测败血症休克死亡率方面比传统方法更准确. 由于研究异质性和潜在偏差,需要进一步验证.
科学领域:
- 关键护理医学 关键护理医学
- 医疗信息学 医疗信息学
- 医疗保健中的机器学习
背景情况:
- 败血栓休克带来了高死亡率,需要准确的风险分层来进行有效的治疗.
- 当前的临床评分系统提供了具有有限准确性的静态评估.
- 人工智能 (AI) 为动态和个性化预测败血症休克风险提供了机会.
研究的目的:
- 系统地审查并对人工智能的诊断准确性进行元分析,以对性休克中死亡风险分层进行分析.
- 将AI模型的性能与传统的临床评分系统进行比较.
主要方法:
- 在主要数据库 (Embase,PubMed,Cochrane Library,Web of Science) 进行了全面的文献搜索,截至2025年9月17日.
- 包括开发或验证人工智能用于成人败血性休克死亡风险分层的研究.
- 使用双变随机效应建模计算聚合灵敏度,特异性和AUC,质量通过PROBAST+AI进行评估.
主要成果:
- 分析了13项涉及56502名患者的研究.
- 人工智能实现了0.80的AUC,与传统系统 (0.66) 相比,特异性显著更高 (0.81).
- 经常性神经网络 (RNN) 和支持向量机器 (SVM) 显示出最高的性能 (AUC 0.91).
结论:
- 人工智能显示出有前途的区分能力和对感染性休克死亡风险分层的优越特异性.
- 存在实质性的异质性和潜在偏见,限制了当前的证据.
- 需要进行前性多中心研究,以进一步验证AI的临床实用性.
