膿毒癥每年奪去美國近 270,000 人的生命。不可預測的醫(yī)療狀況可能會迅速惡化，導致血壓迅速下降、組織損傷、多器官衰竭和死亡。
醫(yī)療專業(yè)人員的及時干預可以挽救生命，但一些敗血癥治療也可能導致患者病情惡化，因此選擇最佳治療可能是一項艱巨的任務。例如，在嚴重敗血癥的早期，靜脈輸液過多會增加患者的死亡風險。
為了幫助臨床醫(yī)生避免可能導致患者死亡的補救措施，麻省理工學院和其他地方的研究人員開發(fā)了一種機器學習模型，可用于識別比其他選擇風險更高的治療方法。他們的模型還可以在膿毒癥患者接近醫(yī)療死胡同時向醫(yī)生發(fā)出警告——無論采用何種治療方法，患者都極有可能死亡——這樣他們就可以在為時已晚之前進行干預。
當應用于醫(yī)院重癥監(jiān)護室敗血癥患者的數(shù)據集時，研究人員的模型表明，大約 12% 的死亡患者接受的治療是有害的。該研究還顯示，大約 3% 的未存活患者在死亡前 48 小時進入醫(yī)療死胡同。
“我們看到，我們的模型比醫(yī)生識別患者病情惡化的時間早了將近八小時。這很強大，因為在這些非常敏感的情況下，每一分鐘都很重要，并且要意識到患者的病情變化，以及服用某些藥物的風險任何特定時間的治療都非常重要，”計算機科學與人工智能實驗室 (CSAIL) 健康 ML 小組的研究生 Taylor Killian 說。
和 Killian 一起寫這篇論文的還有他的導師、助理教授 Marzyeh Ghassemi，他是 Healthy ML 小組的負責人和資深作者;第一作者，微軟研究院高級研究員 Mehdi Fatemi;和 Jayakumar Subramanian，Adobe India 的高級研究科學家。該研究將在本周的神經信息處理系統(tǒng)會議上公布。
標簽：
免責聲明：本文由用戶上傳，與本網站立場無關。財經信息僅供讀者參考，并不構成投資建議。投資者據此操作，風險自擔。 如有侵權請聯(lián)系刪除！