人工智能驱动的聚类用于表型化危及生命的医院前创伤

科学领域:

• 紧急医疗 紧急医疗
• 医疗保健中的人工智能
• 创伤护理 创伤护理

背景情况:

• 创伤伤害对准确的风险分层提出了复杂的挑战.
• 对重症创伤患者的医院前评估需要先进的方法.

研究的目的:

• 为了获得医院前急性危及生命的创伤的独特现象.
• 应用无监督的人工智能 (AI) 集群用于创伤患者的表型.

主要方法:

• 一项前性多中心研究,涉及西班牙1474名成年创伤患者.
• 数据收集包括流行病学变量,创伤细节,生命体征和血液测试.
• 使用无监督的AI集群来识别患者的表型.

主要成果:

• 确定了三个不同的创伤表型 (T-1,T-2,T-3).
• 死亡率因表型而异:T-1 (93.1%),T-2 (68.1%) 和T-3 (10.6%).
• 现型与特定的损伤模式有关,包括创伤性脑损伤,胸部创伤,烧伤和骨科创伤.

结论:

• 人工智能驱动的表型为特征创伤患者提供了一种新的方法.
• 鉴定的表型对指导治疗和预测结果有重大影响.
• 这种方法可以提高紧急医疗服务的治疗和资源配置.