四种有监督的机器学习形式的风险分层模型

AI算法可以避免1，240名发热婴儿中的近850名（将近70%）免于经历痛苦的​​腰椎穿刺（也称为“脊椎抽头”），以查明他们的高温是否是由于严重的细菌感染引起的。

这项研究背后的婴儿年龄不超过60天，并在多家医院接受过治疗。资深作者伊丽莎白阿尔珀恩，医学博士，西北大学和劳瑞儿童医院在芝加哥和同事们的工作发表在儿科和覆盖由医院的新闻部门。

该团队开发了四种有监督的机器学习形式的风险分层模型-Logistic回归，随机森林，支持向量机和单隐藏层神经网络。

使用实验室结果进行地面验证的内部验证显示，随机森林技术实现了最佳特异性（75%）和最高灵敏度（99%）。

随机森林模型仅对一例菌血症进行了错误分类。（其他类型的严重细菌感染包括细菌性脑膜炎和尿路感染。）

作者总结说：“尽管计算复杂，缺乏参数临界值并且需要外部验证，但是这种策略可以减少不必要的程序，住院和抗生素，同时保持出色的敏感性。”

在这则医院新闻中，第一作者，医学博士Sriram Ramgopal说，迅速弄清哪些高热婴儿在发生严重细菌感染的高风险在他的临床领域急诊尤为重要。

他补充说，随机森林风险评估模型通过“超越了我们目前使用的决策规则的预测能力”，给研究人员留下了深刻的印象。

Ramgopal说：“我们的研究结果很有希望，并可能为临床上最终使用这种人工智能铺平道路。”