首页 > 中国急救医学 > 机器学习算法在脓毒症性凝血病诊断、治疗和预后评估中的应用进展

机器学习算法在脓毒症性凝血病诊断、治疗和预后评估中的应用进展

Application progress of machine learning algorithms in the diagnosis,treatment and prognosis evaluation of sepsis-induced coagulopathy

二维码有效期 120s

摘要脓毒症可通过免疫和凝血交互过度而造成多器官功能衰竭,因此,脓毒症性凝血病(sepsis-induced coagulopathy,SIC)是导致患者预后不良的重要因素之一.随着人工智能的不断进步,机器学习在医疗领域的应用愈加广泛.机器学习通过分析训练集数据自动识别潜在规律,并运用这些规律对新数据进行分类、预测和决策.在SIC的应用中,机器学习能够帮助临床医生更早地识别疾病,从而采取有效的干预措施,降低疾病的严重程度并改善患者预后.本研究概述了 SIC的发病机制,总结了机器学习算法在SIC诊断、治疗及预后评估方面的研究进展,并讨论了它的优劣及未来研究方向、改进措施,以期能够为SIC的临床治疗提供新视角.

作者谭睿敏 ^[1] 葛晨 ^[2] 郭贺 ^[3] 闫娅婷 ^[4] 韩旭敏 ^[5] 赵天宇 ^[6] 温可心 ^[7] 杜全胜 ^[2] 学术成果认领

作者单位 401147 重庆,重庆市人民医院重症医学科 ^[1] 050051 河北石家庄,河北省人民医院重症医学科 ^[2] 050051 河北石家庄,石家庄市第二医院急诊医学科 ^[3] 150081 黑龙江哈尔滨,哈尔滨医科大学研究生学院 ^[4] 050051 河北石家庄,河北省人民医院重症医学科;050017 河北石家庄,河北医科大学研究生学院 ^[5] 050051 河北石家庄,河北省人民医院重症医学科;075132 河北张家口,河北北方学院研究生学院 ^[6] 050051 河北石家庄,河北省人民医院重症医学科;063210 河北唐山,华北理工大学研究生学院 ^[7]

关键词机器学习脓毒症性凝血病诊断治疗预后评估 Machine learning Sepsis-induced coagulopathy Diagnosis Treatment Prognosis evaluation

栏目名称

综述

DOI 10.3969/j.issn.1002-1949.2025.09.010

发布时间 2025-10-17（万方平台首次上网日期，不代表论文的发表时间）

基金项目

河北省自然科学基金资助项目（H2025307004）政府资助临床医学优秀人才培养项目（ZF2020003）政府资助临床医学优秀人才培养项目（ZF2024008）