机器学习辅助急性呼吸窘迫综合征诊治的研究进展
肖慧敏
刘坚
刘秀梅
曹春水
330006 江西 南昌,南昌大学第一附属医院急诊科
摘要：急性呼吸窘迫综合征(ARDS)诊断标准宽泛且临床医生对其认知度低,这些均易导致其开展早期临床诊疗决策的难度增加.在ARDS相关研究中,缺乏有效的临床药物试验成果,对ARDS严重程度的判定标准也争议不断.故此,迫切需要高效、准确的研究方法提高临床医生对ARDS的早期诊断及预后判断,辅助ARDS临床研究设计.大数据时代下,机器学习(ML)作为一种可整合海量数据的工具,近年来在协助临床医生开展ARDS早期诊疗决策、辅助临床试验设计上表现出色.利用ML构建的ARDS早期预测模型、机械通气时间预测模型和死亡风险预测模型,可优化ARDS患者的早期诊断及预后判断;分类模型中ARDS的两种亚型,为临床药物试验分组提供新思路;风险评估模型可作为论证工具参与临床试验研究.本文就ML对ARDS的最新研究进展进行综述.
关键词：急性呼吸窘迫综合征(ARDS)机器学习(ML)监督学习无监督学习早期诊断临床分型
资助基金：江西省卫生健康委科技计划项目(SKJP220211989)
论文发表日期：2023-01-10
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：6( 64-69 )
英文信息