摘要
在重症监护室中,临床干预的实时预测仍然是一个挑战.由于近来数字化趋势的发展,医院记录的信息越来越多.医生可以访问有关患者的大量数据,但能用来处理数据的时间和工具很少.智能的临床决策支持可以为医生提供患者何时需要特定干预的预测信息.面对ICU病房数据密度大、质量高的特点,善于处理海量数据的机器学习算法吸引了医疗界的关注.通过提取患者在ICU期间产生的动态时间序列数据及患者静态人口学数据进行整合,使用GBDT、SVM等机器学习算法开发模型,学习这些数据的表现以预测患者何时需要进行连续肾脏治疗干预.预测是以一种前瞻性的方式进行的,以实现"实时"的性能.实验表明GBDT模型的准确率和召回率均达到80％以上.基于GBDT的ICU临床干预预测模型能够辅助临床医生进行风险预警,及时采取干预措施从而改善患者预后.
国家科技期刊平台
NSTL
维普
万方数据