基于医院信息系统多源时序数据的急性脑卒中预测研究

作     者：兰蓝 罗佳伟 李瑞 管玲 王伊龙 LAN Lan;LUO Jiawei;LI Rui;GUAN Ling;WANG Yilong

作者机构：首都医科大学附属北京天坛医院信息管理与数据中心北京市100070 四川大学华西生物医学大数据研究院四川省成都市610041 北京理工大学前沿交叉科学研究院北京市100081 首都医科大学附属北京天坛医院神经病学中心北京市100070 

出 版 物：《中国卫生信息管理杂志》 (Chinese Journal of Health Informatics and Management)

年 卷 期：2024年第21卷第5期

页      面：770-776页

学科分类：1001[医学-基础医学(可授医学、理学学位)] 10[医学] 

基　　金：国家自然科学基金青年项目“基于无感式实时呼吸和心率监测脑卒中智能预警模型构建与应用研究”(72204169) 

主　　题：多源信息系统 人工智能 脑卒中 预测 

摘      要：目的 开发能够实时预测急性脑卒中的模型,辅助医生提高脑卒中的早期识别。方法 利用无感式智能床实时监测数据,结合医院多源信息系统时序数据,通过逻辑回归、随机森林和门控循环单元(GRU)等人工智能算法,构建脑卒中实时预测模型。采用夏普利可加性解释值对重要预测因子进行排序。结果 短暂性脑缺血发作和急性缺血性脑卒中预测的最佳表现均来自GRU模型,受试者工作特征曲线下面积(AUROC)分别为0.79和0.94,急性大血管闭塞性缺血性脑卒中预测的最佳表现来自随机森林模型,AUROC为0.89。年龄、性别、疾病史以及血压、呼吸、脉搏对脑卒中的发生是重要的。结论 本研究通过结合医院信息系统多模态时序数据有效地识别了急性脑卒中,并揭示了脑卒中常见危险因素外的重要预测因子。