详细内容或原文请订阅后点击阅览
机器学习模型计算复苏过程中败血症的风险
剑桥麻省理工学院和马萨诸塞州总医院的科学家创建了一个用于治疗血液中毒（败血症）患者的预测模型系统。
来源:Robogeek新闻频道（关于机器人技术的俄罗斯与世界新闻）剑桥麻省理工学院和马萨诸塞州总医院的科学家创建了一个用于治疗血液中毒（败血症）患者的预测模型系统。
为了创建该模型，研究人员收集了 2014 年至 2016 年在该医院急诊科接受治疗的 186,000 名患者的医疗记录。特别关注感染性休克患者。在这种情况下，医生会使用血管升压药（vasopressors）来升高血压。
有些人在入院后 48 小时内接受了血管加压药治疗。研究人员分析了这些患者的医疗记录，以确定给予血管加压药的确切时间。
该项目的作者使用了 70% 的记录来训练机器学习模型。结果，该系统确定了两打影响是否需要服用升压药的临床因素：血压、液体总量、呼吸频率等。该模型通过按设定的时间间隔分析指标来确定患者是否需要血管加压药。
科学家们在剩余的医疗记录上测试了所得模型，发现在 80-90% 的病例中，它预测了医生的行为。根据临床数据，系统计算出患者在接下来的两个小时内需要血管加压药。
作者认为，确定复苏过程中是否需要血管加压药非常重要。通过预测，您可以计算静脉输液的有效性，并及时帮助患有败血症的人。
机器学习模型是第一个专门为急诊科脓毒症治疗而设计的系统。未来，研究人员打算创建更多工具来实时预测败血症的风险。