基于机器学习、临床摘要记录和生命体征的 COPD 预测
机器学习
2024-09-06 v2 计算与语言
摘要
慢性阻塞性肺疾病（COPD）是一种引起肺部气流受阻的慢性炎症性肺病。美国超过 157 万美国人被诊断患有 COPD，且 96% 的患者至少合并有一种其他慢性疾病。它是该国第 4 主要死因。每年有超过 22 万患者因 COPD 急性发作入院。实时监测和预测患者急性发作可拯救生命。本文提出了两种不同的预测模型，用于基于人工智能和自然语言处理（NLP）方法预测 COPD 急性发作。这两种模型使用呼吸摘要记录、症状和生命体征。为训练和测试这些模型，我们使用包含生理信号和生命体征时间序列的数据记录，这些记录来自患者监护仪以及从医院医疗信息系统获取的综合临床数据，涉及数万名急诊科（ICU）患者。我们在检测和预测 COPD 急性发作方面 achieved of 0.82 的受试者工作特征（ROC）曲线下面积。
引用
@article{arxiv.2408.13958,
title = {Prediction of COPD Using Machine Learning, Clinical Summary Notes, and Vital Signs},
author = {Negar Orangi-Fard},
journal= {arXiv preprint arXiv:2408.13958},
year = {2024}
}
备注
11 pages, 5 figures