外媒 | 机器学习模型可检测手术后风险患者-普瑞纯证

医疗界一直在努力提高手术安全和患者医疗质量。然而，手术后并发症是导致患者死亡的主要原因之一。在COVID-19大流行前，手术并发症是第三大死因，每年导致约420万人死亡。为了拯救生命并降低医疗成本，匹兹堡大学和UPMC的两名研究人员创建了一种机器学习模型，以支持手术后并发症的识别过程。这两名研究人员分别是匹兹堡大学医学院麻醉和围手术期医学系主席、UPMC围手术期和外科服务主任Aman Mahajan博士和UPMC首席医疗数据和分析官Oscar Marroquin博士。

“通过术前预防性训练提高患者的总体健康状况，可以在提高高风险患者的预后方面产生长远的效益，”Mahajan在新闻发布会上说。“然而，对于忙碌的临床医生来说，识别高风险患者可能是具有挑战性的，他们必须整合大量的医疗数据并经常进行额外的测试和临床评估。我们希望构建一个易于使用的模型，使用电子病历中的现有数据，为医疗团队提供自动化和准确的风险评估。”

该模型的构建过程包括训练算法从超过125万名患者的记录中学习。该算法关注手术后死亡率和心脏事件的出现。随后，研究人员在另外20万名在UPMC接受手术的患者的数据上对该模型进行了验证。在验证过程之后，研究人员将该模型部署到20家UPMC医院。在每天开始时，它会审查接受手术的患者的记录。在此过程中，它会突出显示高风险患者。必要时，患者可以被引导到“术前预防性训练”服务，例如转介到UPMC围手术期护理中心，或被建议在手术前做出更健康的决定。

在创建和实施该模型之后，研究人员将其效果与其他方法进行了比较。在将他们的机器学习模型与美国外科医师学院美国外科质量改进计划（ACS NSQIP）进行比较后，他们发现该工具的表现更好，更高效。

该模型的应用为医疗行业带来了新的机遇，将机器学习应用于医学科技，大数据分析和人工智能等领域，以提高患者的医疗安全和医疗质量。

版权声明 本网站所有注明“来源：普瑞纯证”或“来源：pureFDA”的文字、图片和音视频资料，版权均属于普瑞纯证网站所有。非经授权，任何媒体、网站或个人不得转载，否则将追究法律责任。取得书面授权转载时，须注明“来源：普瑞纯证”。其它来源的文章系转载文章，本网所有转载文章系出于传递更多信息之目的，转载内容不代表本站立场。