使用机器学习来开发和测试一种败血症筛查工具

根据《急诊医学年鉴》上发表的一项研究，基于AI的脓毒症筛查工具在优于其他传统筛查方法后，可以更好地帮助医生找到患此病风险最大的患者。

美国和英国的一些医疗保健组织已经转向AI解决方案来解决患者的败血症并防止致命的后果。去年11月，马萨诸塞州的研究人员开发了一种AI系统，该系统可以预测何时应该对败血症患者使用关键药物。

对于本研究，一个研究团队使用机器学习来开发和测试一种败血症筛查工具，称为败血症风险评分（RoS），并使用来自49个不同城市社区医院急诊室（ER）患者的电子健康记录数据。该数据包含约270万条记录。

收到数据后1、3、6、12和24小时对筛选方法进行了分析。此外，它的性能还可以通过各种指标进行评估-警报率，接收器工作特性曲线（AUC）下的面积，灵敏度，特异性和精度。根据这项研究，当识别大多数高危患者时，RoS是“最有区别的筛查工具”，并且比下一个表现最佳的败血症筛查方法更加灵敏和准确。

Tenet Healthcare等公司的数据科学家Ryan J. Delahanty博士说：“在这项回顾性研究中，与标准筛查工具相比，RoS更加及时和有区别……需要进一步的研究来验证独立站点的RoS得分。” 总结。