基于语言模型与BoXHED的实时、多模态呼吸机风险监测
计算与语言
2024-10-08 v1
摘要
目标：在ICU中实时监测侵入性通气（iV）在确保及时干预和更好患者预后方面发挥着关键作用。然而，常规方法常常忽视临床笔记中嵌入的宝贵见解，仅依赖表格数据。在本研究中，我们提出了一种创新方法，通过利用语言模型进行文本摘要来将临床笔记纳入监测管道，以增强iV风险监测。结果：我们在所有报告的指标中实现了领先于当前方法的性能，即AUROC为0.86，AUC-PR为0.35，AUCt最高可达0.86。我们还演示了该方法允许在特定时间段内更早地标记iV。结论：本研究强调了将临床笔记和语言模型集成到实时iV风险监测中的潜力，为ICU环境中 improved 患者护理和知情临床决策提供了可能。
引用
@article{arxiv.2410.03725,
title = {Realtime, multimodal invasive ventilation risk monitoring using language models and BoXHED},
author = {Arash Pakbin and Aaron Su and Donald K. K. Lee and Bobak J. Mortazavi},
journal= {arXiv preprint arXiv:2410.03725},
year = {2024}
}