机器学习来帮助预测外科重症患者

　　根据《美国重症监护杂志》上发表的一项研究，一组研究人员使用机器学习来帮助预测外科重症患者发展为医院获得性压力伤害的风险的模型。

　　研究人员使用机器学习方法来帮助构建他们的模型，因为它可以分析来自患者电子健康记录（EHR）的数据。研究人员随后使用随机森林算法开发了该模型。该研究说，通常，其他模型需要临床医生将信息输入工具中才能做出预测。

　　如果由于长时间的压力而导致皮肤或下面的组织受损，就会发生压力伤害，也称为褥疮。压力伤害是分阶段进行评估的，与没有患病的患者相比，压力伤害通常会导致住院时间延长，费用增加和遭受更多痛苦。这项研究说，在美国，重症监护患者中约有3%至24%发生医院获得性压力伤害。

　　希望该模型最终能够识别出发生压力伤害的风险更大，并且将从诸如更频繁的皮肤检查或专科病床等干预措施中受益最多的患者。

　　该模型可能是第一个利用机器学习来预测重症监护患者中压力伤害发展的模型。机器学习经常被用来帮助预测医疗保健环境中的其他情况。

　　“目前的风险评估工具将最关键的患者归类为发生压迫伤的高风险，因此无法提供在压力伤害风险方面区分重症监护患者的方法，” Jenny Alderden博士，首席研究员，助理教授博伊西州立大学兼犹他大学兼职助理教授在一份声明中说。“最终，我们的模型可能会为临床医生提供更多见解，因为他们制定了针对高风险患者的护理计划，并确定了从每个患者财务上不可行的干预措施中受益最大的人。”

　　该团队分析了盐湖城犹他大学医院的一些外科手术患者的五年数据，并在五年期间共收集了6376名患者的样本。在这些患者中，516例获得了1期或更高压力的伤害，而257例获得了2期或更高压力的伤害。