一项研究使用机器学习技术预测住院肝硬化患者的治疗结果。信用：Gastroenterology
研究人员采用了一种名为随机森林分析的机器学习技术，发现其在预测住院肝硬化患者死亡风险方面显著优于传统方法，根据发表在《Gastroenterology》上的论文。
“这给了我们一个水晶球——它帮助医院团队、移植中心、胃肠科和重症监护服务更有效地分诊和优先处理患者，”该研究的通讯作者Jasmohan S. Bajaj博士说。
主要发现：
- 分析了来自121家全球医院的数据，这些医院是CLEARED联盟的一部分。
- 该模型在高收入和低收入国家中均表现出一致的性能。
- 使用美国国家退伍军人数据进行验证，并保持准确性。
- 即使仅限于15个关键变量，该工具仍表现出色。
- 患者被准确地分为高风险和低风险类别，使模型具有可扩展性和临床实用性。
这篇论文是美国胃肠病学协会期刊最近发表的三篇关于该主题的研究之一。其中一篇是关于包括肝硬化患者在内的器官衰竭的全球共识声明，而第二项研究则确定了影响住院死亡风险的具体血液标志物和并发症，重点关注肝功能衰竭的生物标志物。
Bajaj说：“肝病是全球最被忽视的死亡原因之一——酒精、病毒性肝炎和晚期诊断是主要驱动因素。”“当有人住院时，通常是因为所有上游——预防、筛查、初级护理——已经失败了。”
更多信息： Enhancement of Inpatient Mortality Prognostication with Machine Learning in a Prospective Global Cohort of Patients with Cirrhosis with External Validation, Gastroenterology (2025)。
点击此处探索该模型的实际应用。
期刊信息： Gastroenterology
提供者：American Gastroenterological Association
【全文结束】
