利用图神经网络支持患者自动分诊
机器学习
2024-03-13 v1
摘要
患者分诊在急诊科发挥着至关重要的作用，确保基于对患者病情紧急程度的正确评估，提供及时且适当的护理。分诊方法通常由人类操作员根据其自身经验和从患者管理过程中收集的信息执行。因此，这是一个可能在紧急级别关联中产生错误的过程。最近，传统分诊方法严重依赖人类决策，这可能具有主观性且容易出错。近年来，人们越来越关注利用人工智能 (AI) 开发能够最大化信息收集并最小化患者分诊处理中错误的算法。我们定义并实现了一个基于 AI 的模块，用于管理急诊科的患者紧急代码分配。它利用急诊科历史数据来训练医疗决策过程。包含相关患者信息（如生命体征、症状和病史）的数据被用于将患者准确分类到分诊类别中。实验结果表明，所提出的算法取得了高精度，优于传统分诊方法。通过使用所提出的方法，我们声称医疗保健专业人员可以预测严重程度指数，以指导患者管理处理和资源分配。
引用
@article{arxiv.2403.07038,
title = {Leveraging graph neural networks for supporting Automatic Triage of Patients},
author = {Annamaria Defilippo and Pierangelo Veltri and Pietro Lio' and Pietro Hiram Guzzi},
journal= {arXiv preprint arXiv:2403.07038},
year = {2024}
}