医院前实时人工智能用于创伤死亡率预测:一个多机构和多国家验证研究
Na-Eun Oh1,2, Thomas Young-Chul Oh3, Jeremy Hsu3
1Department of Electronics and Information Convergence Engineering, Kyung Hee University, Yongin, Republic of Korea.
Nature communications
|January 7, 2026
概括
一个新的AI模型使用医院前数据准确预测创伤患者的急诊室死亡率. 这种先进的工具可以通过早期风险评估来提高创伤护理效率和患者的生存率.
科学领域:
- 紧急医疗 紧急医疗
- 人工智能的人工智能
- 数据科学数据科学数据科学
背景情况:
- 医院前早期识别高风险创伤患者对于资源分配和生存至关重要.
- 传统的分拣工具往往在预测患者结果时缺乏准确性.
研究的目的:
- 开发和验证一个实时人工智能 (AI) 模型,用于预测创伤患者的急诊室死亡率.
- 将人工智能模型的性能与传统的分拣方法进行比较.
主要方法:
- 使用组合方法 (XGBoost,LightGBM,随机森林) 开发了一个AI模型,具有21个医院前变量.
- 利用韩国创伤数据库 (KTDB) 进行模型开发和内部验证.
- 在多个韩国和一个澳大利亚创伤中心对该模型进行了外部验证.
主要成果:
- 医院前人工智能模型在测试组件上实现了接收器操作特征曲线 (AUROC) 下的面积为0.923.
- 人工智能模型的表现明显超过了冲击指数 (AUROC:0.712).
- 外部验证显示,各种国际中心的AUROC高 (0.895-0.956).
结论:
- 医院前-AI模型在医院前环境中提供准确的实时风险评估.
- 这种人工智能工具提高了创伤系统的效率,并优于现有的分拣方法.
- 建议进行进一步的跨国研究,以证实在各种创伤护理系统中普遍性.
