預測創(chuàng)傷患者死亡風險的機器學習算法

大阪大學醫(yī)學研究生院創(chuàng)傷學和急性重癥醫(yī)學系的科學家開發(fā)了一種人工智能算法來預測受重傷患者的死亡風險。使用創(chuàng)傷數(shù)據(jù)庫 2013 年至 2017 年，他們能夠獲得超過 70,000 名經(jīng)歷過鈍力創(chuàng)傷的患者的記錄，這使研究人員能夠確定可以更準確地指導治療策略的關(guān)鍵因素。

急診室的創(chuàng)傷醫(yī)生必須迅速做出生死攸關(guān)的決定，而且通常信息非常有限。部分挑戰(zhàn)在于，表明不良臨床結(jié)果可能性的因素尚不完全清楚，有時身體自身的炎癥和凝血變化對重大傷害的反應弊大于利。顯然需要一種更嚴格和更全面的創(chuàng)傷護理方法。

現(xiàn)在，大阪大學醫(yī)學研究生院的一組研究人員使用機器學習算法分析了記錄的所有創(chuàng)傷病例的數(shù)據(jù)庫。這包括患者信息，例如年齡和受傷類型。此外，對大阪醫(yī)院外傷患者的血清進行了質(zhì)譜和蛋白質(zhì)組分析。這提供了有關(guān)血液標志物的更具體信息，這些信息可能表明特定蛋白質(zhì)的增加或減少。“我們的研究具有重要的臨床意義。它可以幫助確定可能從早期干預中受益最多的風險最高的患者，”第一作者 Jotaro Tachino 說。

該團隊對數(shù)據(jù)進行了層次聚類分析，發(fā)現(xiàn) 11 個變量與死亡率增加最相關(guān)，其中包括損傷的類型和嚴重程度。此外，他們發(fā)現(xiàn)風險最高的患者經(jīng)常表現(xiàn)出過度炎癥甚至急性炎癥反應。他們還發(fā)現(xiàn)表明下調(diào)凝血的蛋白質(zhì)標志物與負面結(jié)果密切相關(guān)。

　　免責聲明：本文由用戶上傳，與本網(wǎng)站立場無關(guān)。財經(jīng)信息僅供讀者參考，并不構(gòu)成投資建議。投資者據(jù)此操作，風險自擔。 如有侵權(quán)請聯(lián)系刪除！