人工智能预测模型增强ICU患者输血决策能力

埃默里大学的研究人员开发了一种强大的人工智能元模型，旨在预测非创伤性ICU患者输血的可能性。该研究发表在《健康数据科学》（health Data Science）杂志上，通过利用机器学习算法对五年来收集的72,000多名ICU患者记录的临床数据进行训练，解决了预测输血需求方面的关键挑战。该模型表现出色，AUROC为0.97，准确率为0.93，F1得分为0.89。与专注于特定患者亚组的传统决策支持系统不同，该人工智能模型利用广泛的临床生物标志物，包括血红蛋白和血小板水平，提供精确的24小时输血预测。研究小组强调了该模型在优化输血决策、减少并发症和改善ICU环境资源管理方面的潜力。未来的计划包括将人工智能模型集成到现实世界的临床工作流程中，以进一步验证其性能并增强其对患者护理的影响。

　　

埃默里大学的研究人员开发了一种突破性的人工智能（AI）模型，能够准确预测非创伤性重症监护病房（ICU）患者输血的可能性。该研究发表在《健康数据科学》杂志上，解决了长期存在的挑战，即预测不同医疗条件下不同患者群体的输血需求。 

输血对于治疗ICU环境中的贫血和凝血功能障碍至关重要，但目前的临床决策支持系统往往侧重于特定的患者亚组或孤立的输血类型。这一限制阻碍了高压ICU环境下及时准确的决策。新开发的人工智能模型通过分析包括实验室结果和生命体征在内的广泛临床特征来预测24小时窗口内的输血需求，从而克服了这些障碍。 

由埃默里大学计算机科学系的Alireza Rafiei和生物医学信息系的Rishikesan Kamaleswaran领导的研究小组利用了超过72,000个ICU患者记录的大型数据集，跨越五年。通过整合机器学习技术和元模型集成方法，人工智能系统实现了卓越的性能指标，包括接收者工作特征曲线下面积（AUROC）为0.97，准确率为0.93，F1得分为0.89。 

主要作者Alireza Rafiei说：“我们的模型不仅准确地预测了输血的需求，而且还确定了影响输血决定的关键生物标志物，如血红蛋白和血小板水平。”“这种能力为临床医生提供了可靠的决策支持工具，有可能改善ICU环境中的患者预后和资源分配。” 

人工智能模型在多个场景下进行了严格评估，以确保其在实际应用中的鲁棒性和可靠性。结果表明，在不同的ICU队列和医疗条件下，表现一致。 

展望未来，该团队计划将该人工智能模型整合到临床工作流程中，以提供实时决策支持，进一步验证其在实际ICU环境中的有效性。Rishikesan Kamaleswaran说：“我们的最终目标是个性化和优化输血策略，提高医院对患者的护理和运营效率。” 

这项研究代表了人工智能在重症监护医学应用方面迈出的重要一步，突出了数据驱动技术改变医疗保健服务的潜力。