开发了新的机器学习系统，以识别医院中恶化的患者

牛津大学的研究人员已经开发了一种机器学习算法，该算法可以显着提高临床医生鉴定住院的患者的能力，这些患者的病情正在恶化，以至于他们需要重症监护。

在NIHR牛津生物医学研究中心的支持下，牛津大学生物医学工程研究所与纳菲尔德临床神经科学系之间的合作，开发了避风港系统（通过电子通信板进行医院警报）。ob欧宝直播nba

该研究的结果已在美国呼吸道医学杂志。

“天堂机器学习算法，使用大多数NHS医院常规收集的电子患者数据，有可能大大提高我们检测需要ICU的患者的能力，并且那些及时干预的人可能会改变其结果，从而提高国家预警评分（新闻新闻（新闻））目前在整个卫生服务中正在使用的系统。

避风港系统结合了患者的生命体征 - 例如血压，，，，心率和温度 - 他们的血液测试结果，合并症和脆弱性分为单一的风险评分。与先前发表的分数相比，避风港分数更精确地表明患者正在恶化。

每年，超过60,000名患者在英国医院病房中恶化，他们需要入院ICU。

在过去的20年中，全世界的医疗保健系统已实施警报系统，以改善对恶化风险的患者的检测。大多数基于患者生命体征的异常，通常是通过将其合并为预警评分。当EWS上升到给定阈值以上时，临床医生会受到警报。

沃特金森教授解释说：“医院患者恶化的晚期认识与较差的结果有关，包括更高的死亡率。尽管预警评分系统广泛引入基于生命体征，但仍未被识别。”

“我们开发和验证的避风港系统能够检测到几乎两倍的两倍患者遭受的心脏骤停或需要重症监护室比下一个最佳系统提前48小时。”

---

---