排序方式: 共有71条查询结果,搜索用时 15 毫秒
71.
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。 相似文献