一種新的機器學(xué)習(xí)模型可以準確地使呼叫盡早進行
新型冠狀病毒顯示出了一種針對腎臟的討厭的傾向，而且醫(yī)生不能總是說出哪些患者需要透析，直到他們這樣做。到那時，挽救生命通常為時已晚。
事實證明，一種新的機器學(xué)習(xí)模型可以準確地使呼叫盡早進行，以便進行預(yù)先計劃，準備和安排患者。
西奈山伊坎醫(yī)學(xué)院的Lili Chan博士及其同事在美國腎臟病學(xué)會虛擬全國會議上描述了他們開發(fā)和測試該算法的工作，該會議在周末結(jié)束。
該團隊使用來自3，000例住院且COVID陽性的患者的數(shù)據(jù)對模型進行了訓(xùn)練。研究人員僅納入了入院48小時后收集的信息，挑戰(zhàn)了AI來預(yù)測哪些急性腎損傷患者需要透析。
在測試階段，該模型提供了很高的精度（AUC為0.79）。結(jié)果表明，最有價值的入院前預(yù)測指標是肌酐和鉀的血藥濃度，年齡，心率和血氧飽和度的生命體征。
Chan在新聞稿中說：“使用入場特征的機器學(xué)習(xí)模型在預(yù)測透析需求方面具有良好的性能?！薄跋襁@樣的模型對于將來COVID-19激增期間的資源分配和計劃很有用。我們正在將該模型部署到我們的醫(yī)療系統(tǒng)中，以幫助臨床醫(yī)生更好地為患者提供護理?！?/p>
Chan及其同事在另一個最新研究項目中發(fā)現(xiàn)，在紐約市住院的近4，000名COVID患者中，約46%患有急性腎損傷。其中，有19%需要透析，其中一半在醫(yī)院死亡。
責(zé)任編輯：lq
聲明：本文內(nèi)容及配圖由入駐作者撰寫或者入駐合作網(wǎng)站授權(quán)轉(zhuǎn)載。文章觀點僅代表作者本人，不代表電子發(fā)燒友網(wǎng)立場。文章及其配圖僅供工程師學(xué)習(xí)之用，如有內(nèi)容侵權(quán)或者其他違規(guī)問題，請聯(lián)系本站處理。
舉報投訴
-
模型
+關(guān)注
關(guān)注
1文章
3616瀏覽量
51517 -
機器學(xué)習(xí)
+關(guān)注
關(guān)注
66文章
8532瀏覽量
135987 -
COVID-19
+關(guān)注
關(guān)注
0文章
226瀏覽量
11198
發(fā)布評論請先 登錄
相關(guān)推薦
熱點推薦
超小型Neuton機器學(xué)習(xí)模型, 在任何系統(tǒng)級芯片(SoC)上解鎖邊緣人工智能應(yīng)用.
Neuton 是一家邊緣AI 公司，致力于讓機器 學(xué)習(xí)模型更易于使用。它創(chuàng)建的模型比競爭對手的框架小10 倍，速度也快10 倍，甚至
發(fā)表于 07-31 11:38
大模型推理顯存和計算量估計方法研究
（如全連接層、卷積層等）確定所需的顯存大??；
（3）將各層顯存大小相加，得到模型總的顯存需求。
基于神經(jīng)網(wǎng)絡(luò)剪枝的顯存估計
神經(jīng)網(wǎng)絡(luò)剪枝是一種減少模型參數(shù)數(shù)量的技術(shù)，可以降低顯存需求。
發(fā)表于 07-03 19:43
使用MATLAB進行無監(jiān)督學(xué)習(xí)
無監(jiān)督學(xué)習(xí)是一種根據(jù)未標注數(shù)據(jù)進行推斷的機器學(xué)習(xí)方法。無監(jiān)督學(xué)習(xí)旨在識別數(shù)據(jù)中隱藏的模式和關(guān)系，
機器學(xué)習(xí)模型市場前景如何
當今，隨著算法的不斷優(yōu)化、數(shù)據(jù)量的爆炸式增長以及計算能力的飛速提升，機器學(xué)習(xí)模型的市場前景愈發(fā)廣闊。下面，AI部落小編將探討機器學(xué)習(xí)
【「基于大模型的RAG應(yīng)用開發(fā)與優(yōu)化」閱讀體驗】+Embedding技術(shù)解讀
今天學(xué)習(xí)大模型RAG 檢索增強生成技術(shù)Embedding，即嵌入，是一種將離散數(shù)據(jù)（如文字、圖像、音頻等）轉(zhuǎn)換為連續(xù)的密集向量表示的技術(shù)。這些向量能夠反映原始數(shù)據(jù)之間的關(guān)系，使得計算機能夠更好地處
發(fā)表于 01-17 19:53
【「基于大模型的RAG應(yīng)用開發(fā)與優(yōu)化」閱讀體驗】+大模型微調(diào)技術(shù)解讀
集對模型進行進一步訓(xùn)練的過程。 大模型微調(diào)是利用預(yù)訓(xùn)練模型的權(quán)重和特征，通過在新任務(wù)數(shù)據(jù)集上的訓(xùn)練，對模型
發(fā)表于 01-14 16:51
【「具身智能機器人系統(tǒng)」閱讀體驗】2.具身智能機器人大模型
的局限性以及衡量大模型的關(guān)鍵指標。閱讀了該部分后，我感受到了一種前所未有的震撼，這種震撼不僅來源于技術(shù)本身的先進性，更來源于它對傳統(tǒng)機器人控制方式的顛覆。
傳統(tǒng)機器人的局限性與大
發(fā)表于 12-29 23:04
《具身智能機器人系統(tǒng)》第7-9章閱讀心得之具身智能機器人與大模型
將自然語言理解與運動規(guī)劃融為一體。這種端到端的方法使機器人能夠直接從人類指令生成動作序列，大幅簡化了控制流程。該項目的工作流程包含設(shè)計并封裝一個人機器人函數(shù)庫、編寫清晰地描述提示詞、在
發(fā)表于 12-24 15:03
AI模型部署邊緣設(shè)備的奇妙之旅：目標檢測模型
的是百度的Picodet模型，它是一種基于深度卷積網(wǎng)絡(luò)（DNN）的輕量級目標檢測模型，具有非常高的檢測精度，可以在低算力設(shè)備進行實時的端到端
發(fā)表于 12-19 14:33
cmp在機器學(xué)習(xí)中的作用 如何使用cmp進行數(shù)據(jù)對比
在機器學(xué)習(xí)領(lǐng)域，"cmp"這個術(shù)語可能并不是一個常見的術(shù)語，它可能是指"比較"（comparison）的縮寫。 比較在機器學(xué)習(xí)中的作用
自然語言處理與機器學(xué)習(xí)的關(guān)系 自然語言處理的基本概念及步驟
Learning，簡稱ML）是人工智能的一個核心領(lǐng)域，它使計算機能夠從數(shù)據(jù)中學(xué)習(xí)并做出預(yù)測或決策。自然語言處理與機器學(xué)習(xí)之間有著密切的關(guān)系
如何提升ASR模型的準確性
提升ASR（Automatic Speech Recognition，自動語音識別）模型的準確性是語音識別技術(shù)領(lǐng)域的核心挑戰(zhàn)之一。以下是一些提升ASR
NPU與機器學(xué)習(xí)算法的關(guān)系
在人工智能領(lǐng)域，機器學(xué)習(xí)算法是實現(xiàn)智能系統(tǒng)的核心。隨著數(shù)據(jù)量的激增和算法復(fù)雜度的提升，對計算資源的需求也在不斷增長。NPU作為一種專門為深度學(xué)習(xí)等機
如何使用 PyTorch 進行強化學(xué)習(xí)
強化學(xué)習(xí)（Reinforcement Learning, RL）是一種機器學(xué)習(xí)方法，它通過與環(huán)境的交互來學(xué)習(xí)如何做出決策，以最大化累積獎勵。
麻省理工學(xué)院推出新型機器人訓(xùn)練模型
近日，據(jù)TechCrunch報道，麻省理工學(xué)院的研究團隊展示了一種創(chuàng)新的機器人訓(xùn)練模型，該模型突破了傳統(tǒng)模仿學(xué)習(xí)方法的局限，不再依賴標準數(shù)據(jù)
工商網(wǎng)監(jiān)
評論