Peri-AIIMS：基于围手术期人工智能的集成建模——利用麻醉、生理与认知状态预测手术结局
机器学习
2024-11-05 v1 人工智能
摘要
术前认知状态与手术结局之间的关联是一个关键但极少被探索的研究领域。将术中数据与术后结局相联系，是评估手术干预长期影响的一种有前景且低成本的方法。在本研究中，我们评估了术前认知状态（通过时钟绘制测试衡量）在多大程度上有助于预测住院时长、住院费用、随访期间的平均疼痛以及1年死亡率，其效果超越了术中变量、人口统计学特征、术前生理状态和合并症。我们将分析扩展至6个特定手术组，这些组有足够的数据用于交叉验证。时钟绘制图像由一个半监督深度学习算法发现的10个构建性特征表示，该算法此前已验证可区分痴呆与非痴呆患者。不同的机器学习模型在留出测试集上被训练用于分类术后结局。不同特征集之间的相对分类性能比较表明，在18种可能的手术-结局组合中，纳入时钟绘制特征以及术中变量、人口统计学特征和合并症的围手术期认知数据集在12种组合中表现最佳……
引用
@article{arxiv.2411.00840,
title = {Peri-AIIMS: Perioperative Artificial Intelligence Driven Integrated Modeling of Surgeries using Anesthetic, Physical and Cognitive Statuses for Predicting Hospital Outcomes},
author = {Sabyasachi Bandyopadhyay and Jiaqing Zhang and Ronald L. Ison and David J. Libon and Patrick Tighe and Catherine Price and Parisa Rashidi},
journal= {arXiv preprint arXiv:2411.00840},
year = {2024}
}