从生命体征参数预测医疗干预：面向远程患者监护的决策支持系统
人工智能
2021-04-21 v1 机器学习
摘要
心血管疾病尤其是心力衰竭是全球非传染性疾病死亡的主要原因。持续的患者监护能够实现更好的医疗救治，因为它使从业者能够及时反应并提供适当治疗。远程医疗可提供持续的远程监护，使患者能够留在家中，仅需医疗传感设备与网络连接。远程医疗中心的一个限制因素是可同时监护的患者数量。我们旨在通过实施决策支持系统来增加这一数量。本文研究一种机器学习模型，基于患者生命体征参数估计风险评分，从而每天对所有病例排序，帮助从业者将有限能力集中于最严重病例。我们提出的模型达到 0.84 的 AUCROC，而基于规则的基线模型达到 0.73 的 AUCROC。我们的结果表明，使用深度学习提升远程医疗中心效率是可行的。如此，更多患者可受益于通过远程监护获得的更好医疗。
引用
@article{arxiv.2104.10085,
title = {Predicting Medical Interventions from Vital Parameters: Towards a Decision Support System for Remote Patient Monitoring},
author = {Kordian Gontarska and Weronika Wrazen and Jossekin Beilharz and Robert Schmid and Lauritz Thamsen and Andreas Polze},
journal= {arXiv preprint arXiv:2104.10085},
year = {2021}
}