急性病房中慢性阻塞性肺疾病(COPD)的严重程度分类：基于 MIMIC-III 数据集的半监督方法
机器学习
2025-04-29 v1 人工智能
摘要
慢性阻塞性肺疾病(COPD)是全球健康负担中的重要问题，在急性病房(ICU)环境中，精确的严重程度评估尤为关键。本研究引入一种创新的机器学习框架，用于 COPD 严重程度分类，利用 MIMIC-III 临床数据库，拓展了人工智能在重症医学中的应用。我们的研究开发了一种稳健的分类模型，融合关键 ICU 参数如血气测量和生命体征，同时采用半监督学习技术有效利用未标记数据并提升模型性能。随机森林分类器表现尤为突出，在区分轻至中度和重度 COPD 案例方面达到了 92.51% 的准确率和 0.98 的 ROC AUC。该机器学习方法为临床医生提供了一种实用、准确且高效的工具，用于 ICU 环境中的快速 COPD 严重程度评估，对改善临床决策过程和患者预后具有重要潜力。未来研究应优先在不同患者群体中进行外部验证，并与临床决策支持系统集成，以优化重症病房中的 COPD 管理。
引用
@article{arxiv.2504.18593,
title = {Severity Classification of Chronic Obstructive Pulmonary Disease in Intensive Care Units: A Semi-Supervised Approach Using MIMIC-III Dataset},
author = {Akram Shojaei and Mehdi Delrobaei},
journal= {arXiv preprint arXiv:2504.18593},
year = {2025}
}