探索创伤复苏中的实时决策支持
人工智能
2022-07-08 v1 机器学习
摘要
基于 AI 的推荐系统已成功应用于许多领域（如电子商务、信息流排序）。医学专家认为，将此类方法纳入临床决策支持系统，有助于减少医疗团队错误并改善治疗过程（如创伤复苏、手术过程）中的患者预后。然而，开发自动数据驱动的治疗决策支持的研究有限。我们探索了构建治疗推荐系统以提供实时下一分钟活动预测的可行性。该系统利用患者上下文（如人口统计与生命体征）和流程上下文（如活动）持续预测下一分钟将执行的活动。我们在预记录的创伤复苏数据集上评估了系统，并对不同模型变体进行了消融研究。最佳模型对 61 种活动类型取得了 0.67 的平均 F1 分数。我们纳入了医疗团队反馈并讨论了未来工作。
引用
@article{arxiv.2207.02922,
title = {Exploring Runtime Decision Support for Trauma Resuscitation},
author = {Keyi Li and Sen Yang and Travis M. Sullivan and Randall S. Burd and Ivan Marsic},
journal= {arXiv preprint arXiv:2207.02922},
year = {2022}
}
备注
2022 KDD Workshop on Applied Data Science for Healthcare