机器学习辅助急性呼吸窘迫综合征诊治的研究进展

急性呼吸窘迫综合征(ARDS)诊断标准宽泛且临床医生对其认知度低，这些均易导致其开展早期临床诊疗决策的难度增加。在ARDS相关研究中，缺乏有效的临床药物试验成果，对ARDS严重程度的判定标准也争议不断。故此，迫切需要高效、准确的研究方法提高临床医生对ARDS的早期诊断及预后判断，辅助ARDS临床研究设计。大数据时代下，机器学习(ML)作为一种可整合海量数据的工具，近年来在协助临床医生开展ARDS早期诊疗决策、辅助临床试验设计上表现出色。利用ML构建的ARDS早期预测模型、机械通气时间预测模型和死亡风险预测模型，可优化ARDS患者的早期诊断及预后判断；分类模型中ARDS的两种亚型，为临床药物试验分组提供新思路；风险评估模型可作为论证工具参与临床试验研究。本文就ML对ARDS的最新研究进展进行综述。