基于机器学习的急性重症胰腺炎早期预测系统

作者：丁莺; 周道扬; 何洋; 戴淞世; 李俊; 林永俊; 郭秀鏐; 郭丰; 朱涛^*

来源：中华急诊医学杂志, 2020, 29(10).

• 机器学习
• 重症胰腺炎
• 胰腺炎
• 人工神经网络

急性胰腺炎(acute pancreatitis, AP)是临床医生面临的常见疾病, 其中重症急性胰腺炎(severe acute pancreatitis, SAP)病死率较高, 因此早期识别可能发展为SAP的患者对于指导治疗意义重大。机器学习是一种多层描述的表征学习, 从已有数据中分析挖掘获得规律, 并利用这些规律对未知数据做出预测的算法。本研究基于机器学习建立了一个SAP预测评分系统, 其可在入院24 h对患者SAP风险进行预测, 预测准确率高达87.36%, AUC 94.11%。该模型可以更好的辅助临床决策和治疗, 指导医生更早的进行相关干预。

• 单位
  浙江大学; 浙江大学医学院附属邵逸夫医院