Yoğun Bakım ile ilgili yayımlanan haberleri tek sayfada keşfet.
Kanserli 20.596 yoğun bakım hastasını kapsayan çalışma, deliryum riskini öngören yorumlanabilir makine öğrenmesi modellerini MIMIC-IV verisinde geliştirip daha büyük eICU kohortunda dışarıdan doğruladı.
Rutin klinik verileri kullanan hibrit derin öğrenme modeli, sepsis hastalarında uzamış yoğun bakım riskini erken belirlemek amacıyla MIMIC-IV üzerinde geliştirildi ve Güney Kore’de iki hastanenin bağımsız kohortlarında dış doğrulamadan geçirildi.
Altı klinik değişkenle çalışan makine öğrenmesi ve derin öğrenme modelleri, yanık hastalarının hastane içi ölüm riskini tahmin ederken SHAP ve LIME gibi yöntemlerle kararların hangi değişkenlerden etkilendiğini görünür kıldı.
2019–2026 arasında yayımlanan 35 çalışmayı inceleyen kapsam taraması; yapay zekânın erken risk tahmini, akciğer görüntülerinin analizi ve sürekli fizyolojik izlemede umut verdiğini, ancak yaygın klinik kullanım için henüz yeterli doğrulama bulunmadığını gösterdi.
Sürekli glikoz ölçümlerinden öğrenen zaman serisi modeli, yeni hasta verileri geldikçe kendini güncelleyerek kişiye özel yakın dönem kan şekeri tahmini ve karar desteği üretmeyi amaçlıyor.
