Jiaming Liu

AI模型利用PPG数据预测院内卒中风险

研究人员开发了一种利用光电容积脉搏波图（PPG）衍生的血流动力学特征来分类院内卒中风险状态的方法。通过分析住院期间发生卒中的患者的连续监测数据，该研究利用了LLM辅助管道从临床笔记中识别卒中锚点。在PPG数据上训练了一个ResNet-1D分类器，在两个不同的患者队列中，在不同的预测时间范围内均取得了较高的F1分数和AUC。与传统的临床和EHR比较器相比，PPG模型表现出优越的性能，尽管研究结果是回顾性的，并未建立临床警报或经过验证的预测提前期。