脓毒症分诊不再只给黑箱概率:ShAprox把沙普利值写成可加方程,外部测试AUC 0.824
脓毒症早期识别常在患者到达急诊分诊时就要做出,但神经网络只给出概率,临床医生难以核对依据。ShAprox把每个特征的沙普利值拟合成曲线或均值,再与基准率相加得到预测概率,使决策过程成为可直接阅读的加和式。在两个NHS信托共28072次就诊记录上,ShAprox外部测试AUC为0.824,与神经网络的0.818相当,且训练与内部测试表现更接近。
2 篇关联报道
脓毒症早期识别常在患者到达急诊分诊时就要做出,但神经网络只给出概率,临床医生难以核对依据。ShAprox把每个特征的沙普利值拟合成曲线或均值,再与基准率相加得到预测概率,使决策过程成为可直接阅读的加和式。在两个NHS信托共28072次就诊记录上,ShAprox外部测试AUC为0.824,与神经网络的0.818相当,且训练与内部测试表现更接近。
本研究将基于英国生物样本库健康人群数据开发的 T1 Dixon 全身 MRI 深度学习分割流程在多发性骨髓瘤患者影像上重训练,自动生成 11 项非病变组织的影像衍生表型(腹部皮下脂肪、内脏脂肪、腹部骨骼肌、肝、脾、双肾、双侧髂腰肌体积及肝脏相对脂肪分数),在 69 例接受诱导治疗与自体干细胞移植的前瞻观察队列(iTIMM)中测量基线与纵向变化,并探索其与无进展生存的关联,发现平均 Dice 0.916、平均 Likert 4.58,且基线较高的腹部骨骼肌与皮下脂肪、随时间升高的内脏脂肪与肝脏脂肪分数等指标在多组 Cox 模型中与无进展生存呈现方向一致的关联。
已读完全部报道