研究人员开发了一种以用户为中心的交互式机器学习（UC-iML）框架，以协助医生识别住院患者的谵妄。该框架整合了包括行政变量、实验室结果和药物在内的各种患者数据，并通过SHAP解释进行医生指导的特征优化和可解释建模。在多伦多六家医院的数据上进行测试，与自动化和基线方法相比，UC-iML方法显示出更好的辨别能力和时间鲁棒性，突显了其作为临床谵妄建模的实用工具的潜力。 AI
影响 该框架可以增强临床决策支持系统，从而在医院环境中更早、更准确地诊断谵妄。
排序理由 详细介绍新机器学习框架的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
