相关实验视频
Updated: Jan 9, 2026
07:42
A Data-Driven Approach to Quantifying Immune States in Sepsis
Published on: February 7, 2025
462
使用机器学习和深度学习预测败血症死亡率 - - 一项系统性审查
Mohannad N AbuHaweeleh1,2, Adiba Tabassum Chowdhury3, Mehrin Newaz3
1Department of Basic Medical Sciences, College of Medicine, Qatar University, Doha, 2713, Qatar.
BMC medical informatics and decision making
|December 10, 2025
概括
机器学习和深度学习显示出使用电子健康记录 (EHR) 预测败血症的前景. 为了可靠的早期检测和改善患者的治疗结果,需要标准化的方法.
科学领域:
- 医疗信息学 医疗信息学
- 人工智能在医学中的应用
- 计算生物学 计算生物学
背景情况:
- 败血症是一种危及生命的炎症状况,需要及时诊断.
- 电子健康记录 (EHR) 为败血症预测提供了大量数据.
- 机器学习 (ML) 和深度学习 (DL) 是医疗保健的新兴工具.
研究的目的:
- 利用EHR数据系统地审查ML/DL在败血症预测中的应用.
- 确定这一领域的趋势,挑战和未来方向.
主要方法:
- 在主要的科学数据库 (PubMed,IEEE Xplore,Google Scholar,Scopus) 中进行全面的文献搜索.
- 纳入标准适用于39项选定的研究.
- 对研究特征,方法和报告结果的分析.
主要成果:
- 大多数研究 (34/39) 是回顾性和地理多样性的.
- 在数据集,败血症定义,模型参数和质量评估中观察到显著的异质性.
- 纵向EHR数据显示了早期败血症预测的潜力,尽管存在差异.
结论:
- ML/DL 方法对使用 EHR 进行早期的败血症检测和预测具有重大前景.
- 标准化的评估指标和质量评估对于推进该领域至关重要.
- 解决数据异质性和资金差异对于可靠的实施至关重要.
