开发机器学习模型，以预测COVID-19患者的危重疾病和死亡率
西奈山医学院的研究人员开发了机器学习模型，用于预测COVID-19患者在临床相关时间窗内发生关键事件和死亡的可能性。该研究概述的新模型是第一批使用机器学习在大规模和多样化人群中对COVID-19患者进行风险预测的模型之一，并于11月6日发表在《世界卫生组织》杂志上医科互联网研究杂志- 在西奈山和世界各地的临床从业人员在Covid-19患者的照顾和管理中得到帮助。
“从纽约市的Covid-19初爆，我们看到Covid-19介绍和疾病课程是异构的，我们已经建立了使用患者数据来预测结果的机器学习模型，”Benjamin Glicksberg，Ph.，西奈山山上西奈山山上医学院的遗传学和基因组科学助理教授，西奈山和西奈山临床情报中心（MSCIC）和山地临床情报中心（MSCIC），以及其中一名研究的主要调查员。“现在在第二波的早期阶段，我们比以前更好。我们目前正在评估这些模型如何帮助临床从业人员在实践中管理患者的照顾。”
在回顾性研究中使用电子健康记录从3月到5月到5月，研究人员和临床医生的来自4,000名成年患者从3月到5月，研究人员和临床医生，包括过去的病史，包括过去的病史，合并症，生命体征，以及入学的实验室测试结果预测各种临床相关时间窗口中的插管和死亡率等关键事件，可以在住院期间预测患者的短期和中期风险。
研究人员使用这些模型来预测入院后3、5、7和10天的关键事件或死亡率。在一周的标记中，它的总体表现最好，正确地标记出了最关键的事件，而返回的事件最少假阳性-急性肾损伤，快速呼吸，高血糖乳酸脱氢酶(LDH)升高表明组织损伤或疾病是预测危重疾病的最强驱动因素。老年、血液水平不平衡、c反应蛋白水平表明炎症是预测死亡率的最强驱动因素。
“我们创造了高性能预测模型使用机器学习提高我们的病人的护理在西奈山,“Girish Nadkarni说,医学博士,医学助理教授(肾脏学)伊坎医学院临床Hasso Plattner数字卫生研究所主任西奈山,和MSCIC的联合主席。“更重要的是，我们已经创建了一种方法，可以识别重要的健康指标，推动对急性治疗预后的可能性估计，可被世界各地的卫生机构用于改善医生和医院层面的治疗决策，并更有效地管理COVID-19患者。”
用户评论