基于机器学习的脓毒症预测与干预决策研究综述

作     者：钟坤华 陈芋文 秦小林 孙启龙 易斌 ZHONG Kunhua;CHEN Yuwen;QIN Xiaolin;SUN Qilong;YI Bin

作者机构：中国科学院重庆绿色智能技术研究院重庆400714 中国科学院成都计算机应用研究所自动推理实验室成都610213 陆军军医大学第一附属医院麻醉科重庆400038 

出 版 物：《计算机应用》 (journal of Computer Applications)

年 卷 期：2024年第44卷第S2期

页      面：357-363页

学科分类：081203[工学-计算机应用技术] 08[工学] 0835[工学-软件工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金资助项目(62371438) 重庆市自然科学基金资助项目(CSTB2022NSCQ-MSX0894) 

主　　题：脓毒症 机器学习 早期预测 治疗策略 

摘      要：脓毒症是一种由细菌等病原微生物引发的医疗紧急状况,严重时可危及生命,因此早期诊断和及时治疗至关重要。近年来,机器学习技术在脓毒症的早期预测和治疗策略方面展现出巨大的潜力。通过综合多源数据,机器学习模型能精确评估患者的风险并自动识别高风险的个体,从而实现对脓毒症的早期诊断。此外,机器学习还能辅助医生制定个性化治疗方案。然而,基于机器学习方法的临床应用目前仍面临一系列挑战,如数据标准化、模型可解释性以及医疗人员的接受度等。因此,针对基于机器学习的脓毒症预测与干预决策方法进行了系统综述。首先,介绍了脓毒症预测与干预决策的基础流程和框架;接着,系统性地概括了基于机器学习的脓毒症预测与干预决策的方法、相关数据及评价指标;然后,详细总结了机器学习方法在脓毒症相关临床方面的具体应用;最后,总结了目前该领域面临的主要挑战,并展望了未来的发展趋势。