面向扩展现实智能：用于监测和预测患者再入院风险
人机交互
2026-03-24 v1 图形学
摘要
医院再入院仍是医疗系统中的挑战，尤其是糖尿病患者群体。30 天内的非计划性再入院成本高昂，耗尽医院资源，可能表明护理协调或出院计划存在问题。本文探讨了使用机器学习预测糖尿病住院患者再入院风险，并提出一种混合现实 (MR) 方案以提供有效的可视化和洞察。我们在数据清洗、编码和特征工程后训练了 XGBoost 分类器。模型在 Area Under the Receiver Operating characteristic Curve (AUROC) 为 0.72，Area Under the Precision-Recall Curve (AUPRC) 为 0.11。关键预测因素包括既往住院次数、出院方式以及血糖控制指标如 A1C（血糖测试）结果和用药调整。此外，我们开发了一个 MR 原型，展示患者记录和预测结果，包含风险等级、主要贡献因素及护理要点。预测模型和 MR 界面共同旨在提高临床工作人员对再入院风险的 awareness 与沟通，于是时新的临床环境中实现实时。
关键词
引用
@article{arxiv.2603.20556,
title = {Towards Extended Reality Intelligence for Monitoring and Predicting Patient Readmission Risks},
author = {Martin Sanchez and Nick Tran and Vuthea Chheang},
journal= {arXiv preprint arXiv:2603.20556},
year = {2026}
}
备注
XR Health Workshop, IEEE VR 2026