top of page
運用缺失數據填補技術結合時間序列和非時間序列數據進行敗血症早期預測
敗血症是一種由於對感染的過度免疫反應而引起的疾病，被譽為最危險的疾病之一，多年來奪走了無數生命。因此，在早期檢測和預測方面發揮關鍵作用，以便及早進行治療。目前，利用來自美國重症加護病房的數據集，並採用深度學習和時間序列預測等先進技術來識別可能有敗血症風險的患者。借助這些尖端技術的幫助，醫務人員可以監測病人的生命體徵，例如心率、血壓和氧氣水平，並使用深度學習來分析這些數據，從而對病人是否患有敗血症作出預測。這使得早期檢測成為可能，進而有助於及時治療並挽救生命。
透過ICU病人資料以機器學習方法預測急性腎衰竭(AKI)發生機率
急性腎衰竭(AKI)是一種可能導致預後不良的疾病,並且與加護病房患者的發病率和死亡率風險增加有關。它的發展非常迅速,通常在幾天內便會迅速提高致死率。因此,早期診斷和治療是降低死亡率的關鍵。
本研究主要是透過MIMIC-IV和MIMIC-III的數據庫以建立AKI的預測模型。資料面上,以進入加護病房(ICU)的24小時、48小時以及72小時後的病理資料,透過KDIGO(Kidney Disease: Improving Global Outcomes)為基準判定病人是否患有AKI。建構模型方面,本研究使用多種樹狀預測模型以及增量學習方法來做預測,最後則以
AUROC為評估模型成效的指標。
bottom of page