แบบจำลอง AI แบบสุ่ม AI ที่เหนือกว่าสำหรับการพยากรณ์โรคในผู้ป่วยใน

ติดตาม Drugslib ได้ที่

โดย elana gotkine reforter realthday

ผ่าน Healthday

วันพฤหัสบดีที่ 24 กรกฎาคม 2568 - สำหรับผู้ป่วยในที่มีโรคตับแข็งรูปแบบการเรียนรู้ของเครื่องจักร (ML) โดยใช้การวิเคราะห์แบบสุ่มป่าไม้ (RF) นั้นเหนือกว่าสำหรับการทำนายการตายของผู้ป่วยในตามการศึกษาที่ตีพิมพ์ออนไลน์ในวันที่ 23 กรกฎาคม ในกลุ่มที่ลงทะเบียนผู้ป่วยในด้วยโรคตับแข็งทั่วโลก ข้อมูลวันเข้าเรียนถูกนำมาใช้เพื่อทำนายการตายของผู้ป่วยใน กลุ่มผู้ป่วยที่เคลียร์ในอนาคตรวมถึงผู้ป่วยใน 7,239 คนที่มีโรคตับแข็งจาก 115 ศูนย์: 22.5, 41, และ 34 เปอร์เซ็นต์เป็นของประเทศที่มีรายได้ต่ำ-ปานกลาง (L-LMIC), ประเทศที่มีรายได้ปานกลาง (UMIC) และประเทศที่มีรายได้สูง (HIC) ตามลำดับ

โดยรวม 11.1 เปอร์เซ็นต์ของผู้ป่วยเสียชีวิตในโรงพยาบาล นักวิจัยพบพื้นที่ที่ดีที่สุดภายใต้เส้นโค้ง (AUC) ด้วย RF (0.815) ที่มีการสอบเทียบสูงซึ่งดีกว่าการถดถอยโลจิสติกแบบพารามิเตอร์อย่างมีนัยสำคัญและแบบจำลอง LASSO (AUCS, 0.774 และ 0.787 ตามลำดับ) RF ยังคงดีกว่าการถดถอยโลจิสติกโดยไม่คำนึงถึงระดับรายได้ของประเทศ (AUC, 0.806, 0.867 และ 0.768 สำหรับ HIC, UMIC และ L-LMIC ตามลำดับ) การตรวจสอบภายนอกได้ดำเนินการในกลุ่มทหารผ่านศึก 28,670 คนซึ่งมีอัตราการตายผู้ป่วยใน 4 เปอร์เซ็นต์ การใช้โมเดล RF ที่ได้มาจากการล้าง AUC คือ 0.859.

"รูปแบบการเรียนรู้ของเครื่องนี้ที่มีการเป็นตัวแทนระดับโลกที่เท่าเทียมกันอาจเป็นประโยชน์ในการพยากรณ์โรคอย่างรวดเร็วของผู้ป่วยในโรงพยาบาลด้วยโรคตับแข็ง" ผู้เขียนเขียน

บทคัดย่อ/การสมัครสมาชิกหรือการจ่ายเงิน) บทความให้แนวโน้มทั่วไปและไม่เกี่ยวข้องกับบุคคล ปัจจัยส่วนบุคคลสามารถแตกต่างกันอย่างมาก ขอคำแนะนำทางการแพทย์ส่วนบุคคลสำหรับการตัดสินใจด้านการดูแลสุขภาพส่วนบุคคลเสมอ

ที่มา: Healthday

โพสต์แล้ว : 2025-07-25 06:00

อ่านเพิ่มเติม

ข้อจำกัดความรับผิดชอบ

มีความพยายามทุกวิถีทางเพื่อให้แน่ใจว่าข้อมูลที่ให้โดย Drugslib.com นั้นถูกต้อง ทันสมัย -วันที่และเสร็จสมบูรณ์ แต่ไม่มีการรับประกันใดๆ เกี่ยวกับผลกระทบดังกล่าว ข้อมูลยาเสพติดที่มีอยู่นี้อาจจะเป็นเวลาที่สำคัญ. ข้อมูล Drugslib.com ได้รับการรวบรวมเพื่อใช้โดยผู้ประกอบวิชาชีพด้านการดูแลสุขภาพและผู้บริโภคในสหรัฐอเมริกา ดังนั้น Drugslib.com จึงไม่รับประกันว่าการใช้นอกสหรัฐอเมริกามีความเหมาะสม เว้นแต่จะระบุไว้เป็นอย่างอื่นโดยเฉพาะ ข้อมูลยาของ Drugslib.com ไม่ได้สนับสนุนยา วินิจฉัยผู้ป่วย หรือแนะนำการบำบัด ข้อมูลยาของ Drugslib.com เป็นแหล่งข้อมูลที่ได้รับการออกแบบมาเพื่อช่วยเหลือผู้ปฏิบัติงานด้านการดูแลสุขภาพที่ได้รับใบอนุญาตในการดูแลผู้ป่วยของตน และ/หรือเพื่อให้บริการลูกค้าที่ดูบริการนี้เป็นส่วนเสริมและไม่ใช่สิ่งทดแทนความเชี่ยวชาญ ทักษะ ความรู้ และการตัดสินด้านการดูแลสุขภาพ ผู้ปฏิบัติงาน

การไม่มีคำเตือนสำหรับยาหรือยาผสมใด ๆ ไม่ควรตีความเพื่อบ่งชี้ว่ายาหรือยาผสมนั้นปลอดภัย มีประสิทธิผล หรือเหมาะสมสำหรับผู้ป่วยรายใดรายหนึ่ง Drugslib.com ไม่รับผิดชอบต่อแง่มุมใดๆ ของการดูแลสุขภาพที่ดำเนินการโดยได้รับความช่วยเหลือจากข้อมูลที่ Drugslib.com มอบให้ ข้อมูลในที่นี้ไม่ได้มีวัตถุประสงค์เพื่อให้ครอบคลุมถึงการใช้ คำแนะนำ ข้อควรระวัง คำเตือน ปฏิกิริยาระหว่างยา ปฏิกิริยาการแพ้ หรือผลข้างเคียงที่เป็นไปได้ทั้งหมด หากคุณมีคำถามเกี่ยวกับยาที่คุณกำลังใช้ โปรดตรวจสอบกับแพทย์ พยาบาล หรือเภสัชกรของคุณ

คำหลักยอดนิยม