研究小组通过机器学习探索救生技术的发展

来自澳大利亚国家科学局CSIRO的科学家领导了一项研究，开发了一种机器学习工具，以向医疗专业人员提供预警，以了解患者的恶化状况。

该研究发表在科学报告，通过与亚历山德拉公主医院和大都会南部的健康合作，可以将预警恶化警报设置为监测患者在当前临床标准触发之前两到八个小时监测患者。

CSIRO科学家Sankalp Khanna博士说，医疗专业人员现在可以使用电子病历（EMRS）中包含的数据来预测患者的生命体征何时（例如血压或温度）可能会达到危险区域，从而触发患者的下降。

随着EMR中的大量数据，有可能获得更好的患者护理。例如，数据中的信息可用于帮助医务人员做出决定，以防止患者因不良事件和急性疾病而恶化。直到最近，仍在某些医院中，患者数据还没有电子方式获得，从而限制了开发数字工具从中受益的能力。

Khanna博士说：“到目前为止，还没有一种利用EMR中所有数据来预测患者健康的方法。这种新工具有可能改变卫生系统的日常功能。

“当应用于18,648例患者记录的测试队列时，该工具对预测窗口的敏感性提前2到八个小时，对于以95％，85％和70％的劣势风险确定的患者。

“我们的科学家在将数据转换为可用信息以帮助指导临床选择方面拥有专业知识。新工具还列出了警告的原因，可以指导干预的选择。

“警报警告医务人员当患者有恶化的风险导致可能死亡，心脏骤停或计划外入院。该工具可以通知需要进行临床干预。

他说：“诸如此类的临床决策支持工具是一种先发制人的解决方案，可以为医务人员提供更早干预以防止不良患者预后的机会。”

亚历山德拉公主医院重症监护病房的重症监护室专家戴维·库克（David Cook）指出，这项工作是一种真正有用且可实施的方法，可管理大型医院的意外患者恶化。

库克博士说：“这是在没有过程重复的情况下完成的，也不会干扰既定的最佳实践系统，这些系统用于识别病人和恶化的病房患者。”

CSIRO科学家现在正在与合作伙伴讨论临床试验，以探讨警报如何工作以及如何最好地将其实施到临床工作流程中。

---

---