利用波形 LSTM 预测临床结局

数据挖掘和机器学习具有巨大潜力，能够使医疗系统系统地利用数据和分析技术来识别低效环节和最佳实践，从而改善护理并降低成本。波形数据提供了关于患者健康状况随时间演变的特别详细的信息，并有望在多个基准测试上显著提高预测准确性，但由于处理这些庞大且复杂的数据集存在挑战，波形数据在很大程度上未被充分利用。本研究评估了利用临床波形数据在单一基准任务上提高预测准确性的潜力：重症监护病房的死亡风险。我们发现了该数据的巨大潜力，在逻辑回归和深度学习模型上均超越了现有基线。