机构名称：
¥ 1.0
确定高风险患者对于提供早期扩展诊断程序和治疗性干预至关重要。临床风险评分，例如造血细胞移植 - 特异性合并症指数（HCT-CI）[2]或内皮激活和压力指数（EASIX）[3] [3]是死亡率风险的宝贵预测因素，但是，不考虑患者的临床过程，因为它们通常仅在入院且不断地更新。医疗数据集的数字化增加允许使用一组广泛的参数，因此可以使用基于机器学习的算法进行风险预测。尽管最终的治疗决定仍在医生中，但这种系统可能会提供宝贵的帮助。为了接受，解释性仍然是一个重要因素。基于复杂的机器学习算法（例如卷积神经网络（CNN））的方法显示出令人鼓舞的结果[4]，但其预测的解释性很难。相比之下，基于树的模型通过提供可解释的功能
同种异性造血干细胞后死亡率风险的动态预测
主要关键词
相关文件推荐
