换一批基于决策树分析模型大数据治理的危重病情AI预警
AI early warning of critical illness based on decision tree analysis model data governance
摘要目的 引入5G、大数据治理技术,构建及时处理多层次多种类医学数据的人工智能(artificial intelligence,AI)预警系统,旨在早期发现预警危重病情.方法 利用5G模块实时采集ICU床边数据,经标准化治理后,采用决策树筛选关键特征,并结合循环神经网络(recurrent neural network,RNN)构建总体与个性化病情预警模型.模型预警通过集成平台实时推送至医护人员终端.结果 共纳入4 053例患者(人工组3 022例,AI组1 031例).与人工预警相比,AI总体预警模型显著缩短了干预启动时间(中位数2.8 min vs.4.0 min,P<0.01),提升了干预成功率(中位数72.9%vs.52.6%,P<0.01),并降低了并发症发生率(中位数28.2%vs.42.7%,P<0.01).该模型受试者工作特征曲线下面积(area under the curve,AUC)为0.845,灵敏度为87.7%,特异度为68.0%.经过半年学习优化后,模型AUC提升至0.857.结论 基于5G与大数据治理的 AI预警模型能有效实现ICU危重病情的早期预警,改善临床结局,具备临床推广潜力.
更多相关知识
关键词
5G大数据治理决策树模型危重病情人工智能(AI)预警模型机器学习ICU5Gbig data governancedecision tree modelcritical illnessartificial intelligence(AI)early warning modelmachine learningICU
栏目名称
DOI
10.7652/jdyxb202603004
发布时间
2026-05-29（万方平台首次上网日期，不代表论文的发表时间）
- 浏览2
- 被引0
- 下载2
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
