机器学习算法在脓毒症性凝血病诊断、治疗和预后评估中的应用进展
谭睿敏1
葛晨2
郭贺3
闫娅婷4
韩旭敏5
赵天宇6
温可心7
杜全胜2
1.401147 重庆,重庆市人民医院重症医学科2.050051 河北石家庄,河北省人民医院重症医学科3.050051 河北石家庄,石家庄市第二医院急诊医学科4.150081 黑龙江哈尔滨,哈尔滨医科大学研究生学院5.050051 河北石家庄,河北省人民医院重症医学科;050017 河北石家庄,河北医科大学研究生学院6.050051 河北石家庄,河北省人民医院重症医学科;075132 河北张家口,河北北方学院研究生学院7.050051 河北石家庄,河北省人民医院重症医学科;063210 河北唐山,华北理工大学研究生学院
摘要：脓毒症可通过免疫和凝血交互过度而造成多器官功能衰竭,因此,脓毒症性凝血病(sepsis-induced coagulopathy,SIC)是导致患者预后不良的重要因素之一.随着人工智能的不断进步,机器学习在医疗领域的应用愈加广泛.机器学习通过分析训练集数据自动识别潜在规律,并运用这些规律对新数据进行分类、预测和决策.在SIC的应用中,机器学习能够帮助临床医生更早地识别疾病,从而采取有效的干预措施,降低疾病的严重程度并改善患者预后.本研究概述了 SIC的发病机制,总结了机器学习算法在SIC诊断、治疗及预后评估方面的研究进展,并讨论了它的优劣及未来研究方向、改进措施,以期能够为SIC的临床治疗提供新视角.
关键词：机器学习脓毒症性凝血病诊断治疗预后评估
资助基金：河北省自然科学基金资助项目(H2025307004)政府资助临床医学优秀人才培养项目(ZF2020003)政府资助临床医学优秀人才培养项目(ZF2024008)
论文发表日期：2025-09-10
在线出版日期：2025-10-17（本平台首次上网日期，不代表文献的发表时间）
页数：6( 803-808 )
英文信息