视觉患者预测的评估,以提高3级情境意识:多中心随机计算机模拟和诊断准确性研究的协议 (真实阳性率,精度,平均交付时间)
Cynthia Alexandra Hunn1, Hannes Bruns1, Sebastian Sahli2
1Institute for Anesthesiology and Perioperative Medicine, University Hospital Zurich, Zurich, Switzerland.
BMJ open
|December 30, 2025
概括
这项研究评估了视觉患者预测 (VPP),这是一种通过预测生命体征变化来增强患者监测的AI工具. 与传统方法相比,VPP旨在改善临床医生对关键事件的预测.
科学领域:
- 医疗信息学 医疗信息学
- 医疗保健中的人工智能
- 临床决策支持系统 临床决策支持系统
背景情况:
- 视觉患者化身 (VPA) 扩展了人工智能用于预测能力 (视觉患者预测 - VPP).
- VPP集成了深度学习来预测生命体征偏差,通过预测未来的患者状态来增强3级情况意识.
- 旨在比传统监测更好地预测关键生命体征变化.
研究的目的:
- 评估VPP是否提高了临床医生预测关键生命体征变化的能力.
- 评估VPP对决策,信心,工作量和用户接受度的影响.
- 将VPP与传统的基于数字和基于波形的监测进行比较.
主要方法:
- 在五个学术中心进行多中心,随机,主体内交叉模拟试验.
- 医疗专业人员使用VPP和传统监测进行了预测任务.
- 主要结果:回忆生命体征偏差预测;次要结果:交付时间,精度,信心,干预,工作量,可用性.
主要成果:
- 该研究旨在测量预测回忆的主要结果 (真实阳性率).
- 二次结果将量化预测的预测时间,精度和临床医生的信心.
- 感知工作量和定性可用性反也将被分析.
结论:
- 该研究将确定VPP是否可以提高对生命体征偏差的临床预测.
- 结果将为在临床实践中整合人工智能驱动的预测监测提供信息.
- 结果将通过同行评审的出版物和会议演讲进行传播.
更多相关视频
07:51Hydra, a Computer-Based Platform for Aiding Clinicians in Cardiovascular Analysis and Diagnosis
Published on: September 26, 2018
8.0K
07:12Development of a Gaze-Contingent Display Framework Designed for Perceptual and Oculomotor Research with Simulated Central Vision Loss
Published on: April 11, 2025
829
