人工智能（AI）在医疗保健领域的应用日益增加，以改善患者护理和临床结果。我们之前开发了一个AI模型，利用ICD-10（国际疾病分类第十版）代码与其他临床变量，从全国数据库中预测创伤患者的院内死亡率。本研究旨在对外部验证该AI模型的性能。验证采用多中心回顾性队列研究设计，分析了2020年1月至2021年12月期间的患者数据。研究纳入了基于特定ICD-10代码的创伤患者及其他临床变量。AI模型的性能通过敏感性、特异性、准确性、平衡准确性、精确度、F1得分及接收者操作特征曲线下面积（AUROC）等传统指标进行评估，包括损伤严重程度评分（ISS）和ICD-10基础的ISS（ICISS）。共分析了4,439名患者的数据。该AI模型表现出色，AUROC达到0.9448，平衡准确性为85.08%，优于传统的评分系统如ISS或ICISS。此外，该模型在不同医院的数据集中准确预测了死亡率（AUROC分别为0.9234和0.9653），尽管各医院的特征存在显著差异。对于ISS<9的患者子集，该模型表现出稳健的AUROC（0.9043），表明其在低严重度伤害病例中也能有效预测死亡率。对于ISS≥9的患者，该模型保持了较高的敏感性（93.60%）和平衡准确性（77.08%），证明其在更严重伤害病例中的可靠性。外部验证表明，该AI模型在不同严重度伤害和异质性队列中评估创伤患者院内死亡风险方面具有高预测准确性和可靠性。这些发现支持该模型有可能集成到急诊科中，提供重要的工具来增强患者分流和治疗协议。
(全文结束)
