开发机器学习模型预测临界COVID-19患者的疾病和死亡率
西奈山医学院研究人员已经开发出机器学习模型,预测关键事件的可能性和死亡率COVID-19患者临床相关的时间窗内。新模型中首先使用机器学习的研究风险预测COVID-19患者中一个庞大而多样化的人口,和11月6日出版的医学网络研究杂志》上——帮助临床医生在西奈山和世界各地COVID-19病人的护理和管理。
“从COVID-19最初的爆发在纽约,我们看到COVID-19表示和疾病是异构和我们建立了机器学习模型使用病人的数据预测结果,”本杰明Glicksberg说,博士,遗传学和基因组科学助理教授伊坎在西奈山医学院,Hasso Plattner数字卫生研究所的成员在西奈山和西奈山临床情报中心(MSCIC),这项研究的主要研究者之一。“现在在第二波的早期阶段,我们比以前更好的准备。我们正在评估这些模型如何帮助临床医生管理照顾病人。”
在回顾性研究使用电子健康记录从超过4000名成年患者承认五西奈山医院卫生系统从三月到五月,研究者和临床医生COVID-19 MSCIC分析特征的病人,包括过去的病史,并存病,生命体征,在入学和实验室测试结果,预测关键事件,如插管和死亡率在各种临床相关的时间窗口,可以预测短期和中期风险的病人在住院治疗。
研究人员使用的模型来预测一个关键事件或死亡率的时间窗口3,5,7,10天入院。在一周的商标整体表现最好,正确标记时最关键的事件返回最少的假阳性- - - - - -急性肾损伤、快速呼吸,高血糖和高乳酸脱氢酶(LDH)指示组织损伤或疾病是最强的司机在预测疾病至关重要。老年、血液水平失衡和c反应蛋白水平表明炎症,是最强的司机在预测死亡率。
“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,我们已经创建了一个方法,识别重要的健康指标,推动急症护理的可能性估计预后和可以使用的卫生机构在世界各地提高护理决策,同时在医生和医院级别,并更有效地管理COVID-19患者。”
进一步探索
