基于机器学习的战现场伤员预警模型建立与评价
鲁兆楠
贺祯
房彤宇
100850 北京,军事科学院军事医学研究院
摘要：目的 为实现战现场对重伤伤员进行预警的需求,以达到分诊前移并指导救治顺序,提高救治效率.方法 本研究从某军队医院急诊数据库和美国建立的一个对外开放的多参数临床重症监护数据库(Medical Informa-tion Mart for Intensive Care Ⅲ,MIMICⅢ)中分别收集1469、1464名患者数据,根据战现场可行性与科学性分析筛选出7个代表性的指标作为训练模型的输入特征,基于XGBOOST进行特征权重排序筛选出最优特征组合,并进一步分析所选取的特征对预测结果的影响程度.利用随机森林、支持向量机、朴素贝叶斯、XGBOOST、多层感知机5种方法构建重伤伤员预警模型,并对预警模型进行性能评价.结果 通过实验显示,心率、收缩压与重伤预警组的关联最密切(分别为0.272、0.206),从而揭示相互之间存在阶梯级关系、构建三个阶梯级传递给后续机器学习方法,得到多层感知机性能显著高于其他方法,仅心率、收缩压精确率就达到了91.40％,其他模型精确率均在80％以上,这些表现良好的模型在外部验证中也有一定的泛化能力.结论 基于战现场环境,通过采用不同类型的阶梯特征构建模型是可行的,该模型可以在重伤伤员发生前快速预警,并在救治人员到达前辅助做出救援决策,上述研究对降低战现场死亡率、改善预后有一定的实用价值.
关键词：一线救治伤员预警机器学习自主识别辅助决策
分类号：R826(军事医学)
论文发表日期：2023-07-28
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：8( 610-617 )
英文信息