跳到主要内容
检索

Kaiser Permanente

2 篇关联报道

订阅更新
  1. medRxiv

    将训练窗口从分娩前最后一小时扩展到整个产程并加入产程起始时间后,模型在分娩前至少3小时识别出40.3%的缺氧缺血性脑病病例,较仅用最后一小时的分类器提高8.4个百分点

    该研究基于Kaiser Permanente Northern California的174,186例胎龄≥35周分娩数据,从20分钟时段提取40个胎心监护(CTG)特征训练随机森林分类器,分别以严重酸中毒(N=2,636)和临床验证的缺氧缺血性脑病(HIE,N=304)为目标,将训练窗口从分娩前最后一小时逐步扩展至整个产程并加入产程起始时间(TLO)特征,在固定15%假阳性率下评估,发现早期识别能力随窗口扩展而提升并在18小时趋于平台,加入TLO后性能最佳:40.3%的HIE病例在分娩前至少3小时、27.3%在至少6小时被识别,较仅用最后一小时的分类器绝对提升8.4%和10.7%,55.7%的HI

  2. The Permanente Journal

    人工智能能否在真实医疗系统中落地?AIM-HI 五个资助项目的早期洞察

    该文总结了由 Kaiser Permanente 牵头、Gordon and Betty Moore Foundation 资助的“医学与医疗保健增强智能计划”(AIM-HI)通过全国多阶段结构化评分评审选出的 5 个资助项目(分别涉及脓毒症管理、静脉血栓栓塞风险评估、糖尿病视网膜病变筛查、心脏淀粉样变性检测和儿童哮喘风险预测)的跨项目早期经验,指出在多样化临床环境中真实世界 AI 部署是可行的,但常见挑战包括电子健康记录整合、数据复杂性、监管要求与临床工作流程差异,而成功关键在于将工具审慎整合进临床环境、与利益相关方建立牢固伙伴关系,以及持续评估与监测。

已读完全部报道