面向实际医院爆发检测的多模态方法
机器学习
2026-03-24 v1
摘要
快速识别医院中的爆发事件对于控制潜在的流行病病原体至关重要。尽管基因组测序（WGS）仍是爆发调查的黄金标准，但其高昂成本和较长的检测时间限制了其在常规监测中的可行性，尤其是在资源有限的设施中。我们探讨了三种替代方法：矩阵消除激光剥离-质量分析（MALDI-TOF）质谱、抗生素抗性（AR）模式以及电子健康记录（EHR）。我们提出了一种机器学习方法，从这些模态中学习判别特征以支持爆发检测。多物种评估表明，这些模态的集成可提升爆发检测性能。我们还提出了一种分层监测范式，可通过这些替代方法减少对 WGS 的需求。进一步的EHR分析识别出了与特定临床程序相关的潜在高风险污染路径，其中包括涉及侵入性器械和高频工作流程的程序，为感染防控团队提供了可主动降低风险的具体目标。
引用
@article{arxiv.2603.20536,
title = {Towards Practical Multimodal Hospital Outbreak Detection},
author = {Chang Liu and Jieshi Chen and Alexander J. Sundermann and Kathleen Shutt and Marissa P. Griffith and Lora Lee Pless and Lee H. Harrison and Artur W. Dubrawski},
journal= {arXiv preprint arXiv:2603.20536},
year = {2026}
}
备注
10 pages, 3 figures, 3 tables