深度學習技術在重癥監護室患者住院死亡風險預測中的應用

劉瑞

（河南科技大學第一附屬醫院 血液科，河南 洛陽 471000）

隨著智能化和信息化的快速發展，醫學科學技術水平也在不斷的提升，重癥監護室（intensive care unit，ICU）成為醫學研究人員關注的熱門話題。ICU 主要分為綜合ICU、專科ICU（如：燒傷ICU、心血管外科ICU、新生兒ICU 等）和部分綜合ICU，部分綜合ICU 介于綜合ICU 和專科ICU之間（如：外科ICU、內科ICU、麻醉科ICU 等），其中綜合ICU 收治危重癥患者［1-3］。當前國內外關于ICU 死亡風險預測的研究中，傳統方法大多使用Logistic 回歸模型來預測ICU 患者的死亡風險［4］，但是針對ICU 患者數據指標間的無規律性、可交互性和非線性關系等，這些方法在處理效果上仍存在值得改進的地方。而隨著醫療信息化［5-6］和醫療大數據［7］時代的到來，ICU 患者的相關診療信息通常動態地存儲在醫院科室的計算機患者個人數據庫系統中。這為研究人員進一步開發更加準確高效的死亡風險預測模型，提供了可靠的大數據保障。隨著新一代人工智能［8］技術的快速發展，傳統的機器學習方法已經被深度學習技術所超越，因此，通過將深度學習方法與ICU 死亡風險預測相結合，構建一種新型智能化的死亡風險預測模型，成為醫療領域亟待解決的關鍵問題之一［9-10］。筆者通過調研相關文獻發現，LIPTON等［11］研究人員提出的卷積神經網絡（convolutional neural network，CNN）作為一種高效的深度學習方法，廣泛地應用于醫學和生物信息學領域［12］。因此，本文首先通過運用國際上大型重癥醫療數據庫重癥監護醫學信息市場（Medical Information Mart for Intensive Care Ⅲ，MIMIC-Ⅲ）作為數據源，其次提出一種基于深度學習方法的ICU 患者住院死亡風險預測模型，最后與傳統的簡化急性生理評分（Simplified Acute Physiology Score Ⅱ，SAPS-Ⅱ）系統的預測性能進行分析比較。……