基于决策树分析模型大数据治理的危重病情AI预警

摘要

目的 引入5G、大数据治理技术，构建及时处理多层次多种类医学数据的人工智能(artificial intelligence, AI)预警系统，旨在早期发现预警危重病情。方法 利用5G模块实时采集ICU床边数据，经标准化治理后，采用决策树筛选关键特征，并结合循环神经网络(recurrent neural network, RNN)构建总体与个性化病情预警模型。模型预警通过集成平台实时推送至医护人员终端。结果 共纳入4 053例患者(人工组3 022例，AI组1 031例)。与人工预警相比，AI总体预警模型显著缩短了干预启动时间(中位数2.8 min vs. 4.0 min,P<0.01),提升了干预成功率(中位数72.9%vs. 52.6%,P<0.01),并降低了并发症发生率(中位数28.2%vs. 42.7%,P<0.01)。该模型受试者工作特征曲线下面积(area under the curve, AUC)为0.845,灵敏度为87.7%,特异度为68.0%。经过半年学习优化后，模型AUC提升至0.857。结论 基于5G与大数据治理的AI预警模型能有效实现ICU危重病情的早期预警，改善临床结局，具备临床推广潜力。

关键词

5G / 大数据治理 / 决策树模型 / 危重病情 / 人工智能(AI) / 预警模型 / 机器学习 / ICU

基金资助

浙江省卫生信息学会重点项目资助（No.2025XHAQ-Z04）; 杭州市科技局项目基金（No.2023WJC296）