败血症可能已在人工智能算法中达到要求

小编发现不少朋友对于 败血症可能已在人工智能算法中达到要求 这方面的信息都比较感兴趣，小编就针对 败血症可能已在人工智能算法中达到要求 整理了一些相关方面的信息 在这里分享给大家。

机器学习算法已经超过了四种常用的方法，可以在住院患者中早期发现败血症，从而使临床医生最多可以进行48小时的干预，直到病情开始恶化。

该算法由加州大学旧金山分校医学博士Christopher Barton领导的团队进行了测试。他们的研究预定在6月版的《生物与医学计算机》中进行。

研究人员通过将数据应用到在波士顿大学UCSF医疗中心或贝斯以色列女执事医疗中心住院的近113，000名患者的数据，将算法与四种传统方法进行了比较。

在两个遥远的机构之间划分数据集的目的是在人口统计学上不同的患者群体上训练和测试该算法。

纳入研究的患者均未患败血症而入院，所有患者均至少记录了六个生命体征-血液中的氧气水平，心率，呼吸频率，体温，收缩压和舒张压。

一些患者在住院期间患了败血症，而另一些则没有。在住院期间任何时候患有败血症的患者中，研究人员观察了他们的算法的检测性能与脓毒症发作时以及在24小时和48小时之前应用的标准方法的检测性能之间的关系。

他们发现，该算法在接收者操作特征（AUROC）曲线下的面积得分要比整个标准临床方法更好，并且在对该算法进行了UCSF患者数据训练并将其应用于Beth Israel Deaconess患者时得到了证实。

四种标准方法是系统性炎症反应综合征（SIRS）标准，序贯（与脓毒症相关）器官衰竭评估（SOFA），qSOFA（SOFA的简化版）和改良预警系统（MEWS）。

作者报告说：“这项研究中评估的机器学习算法能够在发病前48小时预测败血症，AUROC为0.83。” “这种性能超过了发病时常用的检测方法，并且可能通过早期检测和临床干预而改善了患者的预后。”

根据美国疾病预防控制中心（CDC）的数据，在美国，每年至少有170万成年人患败血症，其中大部分是在医院外。其中近270，000人死亡。在住院期间死亡的住院患者中，三分之一患有败血症。