外媒 | 约翰霍普金斯大学机器学习工具预测ICU谵妄风险-普瑞纯证

约翰霍普金斯大学的研究人员开发了机器学习算法，可以检测谵妄的早期预警信号，并预测哪些患者在ICU住院期间将面临高风险。据新闻稿称，超过三分之一的住院患者和80%的ICU患者在住院期间的某个时刻会出现谵妄。谵妄会导致患者注意力不集中、困惑、偏执、激动和幻觉等症状，这些症状会加重患者的病情。据新闻稿称，ICU谵妄在年龄较大和病情较重的患者中更为常见，可能导致住院时间延长、未来的痴呆和死亡。然而，由于时间和资源有限以及这些患者的需求有时难以预测，抗谵妄干预措施，如护理捆绑、早期物理和职业治疗以及药物更改，不能用于每个患者。为了解决这个问题，研究人员着手建立谵妄预测模型。 "在ICU中能够区分低风险和高风险患者非常重要，因为这使我们能够将更多资源投入到高风险人群的干预中，" 约翰霍普金斯大学医学院麻醉学和重症医学副教授、该研究的高级作者罗伯特·史蒂文斯博士在新闻稿中说。 研究人员将人工智能算法应用于一个包含美国208家医院的200,000个ICU住院的公开数据集。他们利用这些数据开发了两个机器学习模型来预测谵妄风险。第一个是静态模型，使用患者入院后不久的单个快照数据，利用年龄、疾病的严重程度、其他诊断、生理变量和当前药物等信息进行预测。第二个是动态模型，监测患者入院后数小时和数天的数据，并在整个患者住院期间使用重复的血压、脉搏和体温读数等信息，连续生成患者未来12小时的谵妄风险。 "这个基本的想法是，存储在患者电子病历中的这些例行收集的数据包含与谵妄风险相关的特征，" 约翰霍普金斯大学生物医学工程系的研究生Kirby Gong在新闻稿中说。

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。