相关实验视频

使用由遗传算法合成的人工神经网络预测危急病患者的结果

R Dybowski¹, P Weller, R Chang

¹Infection and Immunity Laboratory, UMDS, London, UK.

Lancet (London, England)

|April 27, 1996

概括

人工神经网络 (ANN) 准确地预测了重症监护中的患者结果,超过了传统的后勤回归模型. 遗传算法进一步提高了复杂临床情况的ANN性能.

科学领域:

医疗信息学医疗信息学
计算医学是一种计算医学.
医疗保健中的人工智能

背景情况:

重症监护室 (ICU) 的入院和出院决定是复杂的.
准确的预后模型对于有效的ICU管理至关重要.
现有的模型可能无法完全捕捉到重症监护医学的复杂性.

研究的目的:

开发和评估一个人工神经网络 (ANN),用于预测重症监护患者的结果.
为了比较ANN与传统物流回归模型的性能.
探索遗传算法在优化ANN性能方面的实用性.

主要方法:

使用遗传算法创建和优化了一个人工神经网络 (ANN).
该ANN在258名患有全身炎症反应综合征和血液动力学冲击的患者的数据集上进行了培训和测试.
使用接收器操作特征 (ROC) 曲线和布里尔分数来评估性能,将ANN与后勤回归进行比较.

主要成果:

经过7代人的开发,表现最好的ANN表现出卓越的预测准确性.
该模型的ANN性能明显超过了后勤回归模型 (ROC区域为0.863比0.753) 的性能.
遗传算法有效调整ANN性能,以改善临床预测.

结论:

由于其灵活的性质,ANN非常适合模拟复杂的临床场景.
ANN和遗传算法的结合为开发准确的临床结果模型提供了强大的工具.
这些模型可以根据当地实践量身定制,为临床医生提供了对患者护理和结果的更深入的见解.

相关概念视频