用于脓毒症预测的 SXI++ LNM 算法的开发与验证
机器学习
2025-05-30 v1
摘要
脓毒症是一种危及生命的疾病,全球每年影响超过 4890 万人并导致 1100 万人死亡。尽管医学取得了进步,但由于症状非特异性和病理生理学复杂,预测脓毒症仍是一项挑战。SXI++ LNM 是一种机器学习评分系统,通过利用多种算法和深度神经网络来优化脓毒症预测。本研究旨在提高临床应用中的鲁棒性,并评估 SXI++ LNM 在脓毒症预测中的性能。该模型利用深度神经网络,在不同数据集分布的多种场景下进行了训练和测试。模型性能在未见过的测试数据上进行了评估,并计算了准确率、精确率和曲线下面积(AUC)。SXI++ LNM 在三个用例中优于现有最优方法,实现了 0.99 的 AUC(95% CI: 0.98-1.00)。该模型表现出 99.9% 的精确率(95% CI: 99.8-100.0)和 99.99% 的准确率(95% CI: 99.98-100.0),保持了高可靠性。
引用
@article{arxiv.2505.22840,
title = {Development and Validation of SXI++ LNM Algorithm for Sepsis Prediction},
author = {Dharambir Mahto and Prashant Yadav and Mahesh Banavar and Jim Keany and Alan T Joseph and Srinivas Kilambi},
journal= {arXiv preprint arXiv:2505.22840},
year = {2025}
}
备注
Paper accepted at JMAI