机器学习方法识别肺炎的不同临床状态以帮助预测结果

两名接受肺炎治疗的患者(一种因肺部充满液体的囊而导致呼吸困难的感染)的外表可能截然不同，而且治疗结果也可能截然相反。然而，医生很难准确预测患者的预后并确定最有效的治疗方法。

现在，通过将复杂的机器学习方法应用于肺炎患者的电子健康记录(EHR) ，西北大学的研究人员发现了肺炎的五种不同临床状态，其中三种与疾病结果密切相关，两种可以帮助医生确定疾病的原因。其中一种状态与 24 小时内亡的几率为 7.5% 有关。

描述这种新方法及其开发所用数据的论文将于本周晚些时候在《美国国家科学院院刊》上发表。研究人员表示，这种方法有潜力帮助临床医生为危重患者做出更明智的治疗决策，并得到更广泛的应用。

肺炎是全球范围内导致亡的主要原因，由于其表现和感染方式多样，且可能存在抗生素滥用，因此很难治疗。医生历来根据病因来区分重症监护病房中的肺炎患者，将他们分为三类：社区获得性肺炎(可能意味着之前曾感染过细菌或病)、医院获得性肺炎和呼吸机获得性肺炎(患者需要机械通气后患上)。

　　免责声明：本文由用户上传，与本网站立场无关。财经信息仅供读者参考，并不构成投资建议。投资者据此操作，风险自担。 如有侵权请联系删除！