← 返回实验室

AI脓毒症早期预警:时序特征与假阳性抑制

在ICU场景中,脓毒症识别长期依赖SOFA等评分,往往滞后数小时。本实验室近期围绕“生命体征时序建模”做了一组实验性探索:以床旁监护的HR、RR、SpO2、体温与血压为输入,按5分钟粒度对齐,构造趋势与波动特征,用轻量时序模型输出未来6小时的脓毒症风险分层;推理端叠加规则约束,抑制术后应激、体位改变等引起的假阳性。

阶段性进展:在院内脱敏数据集上,模型对6小时预测窗口的敏感度约0.78,误报由每床日3.1次降至1.5次;对入ICU 24小时内发病的病例,中位提前预警时间约4.2小时。需说明的是,样本来自单一中心,跨院泛化尚未验证。

下一步计划:1)纳入护理记录与检验结果,构建多模态输入,重点验证对“非感染性SIRS”的区分能力;2)与临床团队开展前瞻性静默评估,以“可接受误报率下的提前时间”为主要指标,并同步记录医护处置反馈,用于迭代阈值策略。

评论

更多研究动态

查看全部实验室 →