预警系统模型可预测住院患者的病情恶化
发布日期：2021-11-26大约 9% 的癌症患者在住院期间会出现并发症，导致病情恶化、转入重症监护室甚至死亡。圣路易斯华盛顿大学的一个多学科研究团队，正在开发一种基于机器学习的预警系统模型，以预测这种恶化并改善患者的预后。
McKelvey 工程学院 Fullgraf 教授 Chenyang Lu 与合作者包括医学博士 Marin Kollef、医学博士、Barnes-Jewish 医院重症监护病房和呼吸护理服务主任，以及医学博士 Patrick Lyons，医学院的医学讲师，最近开发了一种新的住院癌症患者预测模型，该模型集成了电子健康记录 (EHR) 中可用的异构数据。
使用来自 Barnes-Jewish 医院 20,000 多名癌症患者住院治疗的历史、去识别化数据，Lu 和他的实验室博士生、该论文的第一作者 Dingwen Li 找到了一种方法，将两种有价值的数据整合到可能提供有关患者状况线索的深度学习模型：静态数据或入院时收集的数据，例如人口统计数据、其他医疗诊断或之前住院的信息；时间序列数据，在住院期间反复收集，包括体温、血压、药物和测试结果。
由于静态和时间序列数据包含与临床恶化相关的补充信息，因此预测模型利用这两种类型的变量，以最大限度地提高其准确性非常重要。“数据中隐藏的早期迹象表明，一个人会在几小时或几天内出现临床恶化，”物联网、网络物理系统和临床人工智能专家卢说。“人类无法在数据中看到这些隐藏的模式或趋势，所以这就是机器学习非常擅长识别这些模式的地方。”
