急性呼吸窘迫综合征(acute respiratory distress syndrome,ARDS)缺乏特异性诊断标准,且诱因复杂,在临床实践中往往难以做到早期识别、及时干预,这就需要一种精确、高效的手段辅助识别其发生.基于大数据的机器学习作为一种可以处理海量数据、高效利用有效知识的学习方法,在众多领域发挥了不同作用,在医学领域的重要性日益凸显.截至目前,在医学领域已有大量的机器学习成功应用的案例,其中监督学习算法凭借其可以预测风险的优势,获得众多研究者青睐.本文旨在阐述机器学习算法中监督学习算法在预测危险因素诱导下ARDS发生风险的临床应用.
作者:杨锦溪;姚志鹏;郑俊波;王洪亮
来源:中国急救医学 2023 年 43卷 10期