机器学习辅助急性呼吸窘迫综合征诊治的研究进展

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

所属期刊栏目：43

分类号：R563.8;R4;R739.63

资助基金：江西省卫生健康委科技计划项目SKJP220211989

在线出版日期：2023-02-15（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：64-69