一项广泛的医院研究表明，由于约翰霍普金斯大学开发的新人工智能系统比传统方法早几个小时发现症状，患者死于败血症的可能性降低了 20%。
该系统由约翰霍普金斯大学的一名研究人员创建，其年轻的侄子死于败血症，该系统会搜索医疗记录和临床记录，以识别有危及生命并发症风险的患者。这项工作可以显着降低全球医院死亡的主要原因之一的患者死亡率，今天发表在Nature Medicine和npj Digital Medicine上。
约翰霍普金斯大学马龙医疗保健工程中心的创始研究主任兼负责人苏奇·萨里亚说：“这是第一个在床边实施人工智能的实例，被成千上万的供应商使用，我们看到生命得以挽救。”这些研究的作者，在两年内评估了超过 50 万患者。“这是一个非凡的飞跃，每年将拯救成千上万的败血症患者。该方法现在正被应用于改善败血症以外的其他重要问题领域的结果。”
当感染引发全身连锁反应时，就会发生败血症。炎症会导致血栓和血管渗漏，最终会导致器官损伤或器官衰竭。在美国，每年约有 170 万成年人患上败血症，其中超过 250,000 人死亡。
Saria 说，脓毒症很容易被忽视，因为发烧和精神错乱等症状在其他情况下很常见。抓得越快，病人的生存机会就越大。
“改善结果的最有效方法之一是早期发现并及时给予正确的治疗，但从历史上看，由于缺乏准确的早期识别系统，这一直是一项艰巨的挑战，”机器学习的负责人 Saria 说和约翰霍普金斯大学的医疗保健实验室。
标签：
免责声明：本文由用户上传，与本网站立场无关。财经信息仅供读者参考，并不构成投资建议。投资者据此操作，风险自担。 如有侵权请联系删除！