(资料图片仅供参考)

导读 德克萨斯大学达拉斯分校的研究人员开发了一种人工智能工具，可以预测心脏重症监护室住院儿童心脏骤停的风险。该技术是统计人工智能和关系学...

德克萨斯大学达拉斯分校的研究人员开发了一种人工智能工具，可以预测心脏重症监护室住院儿童心脏骤停的风险。

该技术是统计人工智能和关系学习小组的最新成果，该小组是德克萨斯大学达拉斯分校的一个研究实验室，专家们开发人工智能来帮助医疗保健提供者。研究人员旨在提供工具来帮助医生评估和监测个体患者的各种疾病风险，包括妊娠糖尿病和不良药物相互作用。

在 4 月 6 日《临床医学杂志》在线发表的一项研究中，UTD 计算机科学家与UT 西南医学中心和华盛顿大学的儿科心脏病学和重症监护研究人员合作。

研究小组检查了2010 年至 2019 年间 160 名在达拉斯儿童健康中心心脏 ICU 入住期间发生心脏骤停的儿科患者的电子健康记录 (EHR)，以及 711 名对照组患者的数据。埃里克·琼森工程与计算机科学学院计算机科学教授 Sriraam Natarajan 博士表示，我们的目标是确定 24 小时内记录的哪些指标可以预测随后 24 小时内的心脏骤停。

Natarajan 说，利用从 EHR 收集的 11 个生命体征和实验室变量，结合历史训练/测试集，该团队成功创建了一种机器学习预测算法，可以在儿童心脏骤停前一小时预测心脏骤停。

“我们的目标是协助医生预防心脏骤停。如果我们挽救儿童的生命，那将是惊人的进步，”纳塔拉詹说。

在审查 11 个关键变量时，研究人员发现无效的组织灌注(缺乏流向身体部位的含氧血液)是一个主要预测因素。这一发现与研究人员对数据的统计分析结果进行了跟踪，证明他们的算法是正确的。他们研究的下一步是在更大的数据集上测试该算法，以确定它是否适用于更广泛的儿科人群。