问
！东华医为解放军总医院发表最新重症新冠临床大数据科研成果发表最新重症新冠临床大数
！东华医为解放军总医院发表最新重症新冠临床大数据科研成果发表最新重症新冠临床大数据科研成果 东华医为联合中国人民解放军总医院发表最新重症新冠临床大数据科研成果 东华医为 今天 近日，东华医为联合中国人民解放军总医院（301医院）呼吸与危重病学部主任解立新教授团队发表的最新研究“Prognostic Assessment of COVID-19 in ICU by Machine Learning Methods: A Retrospective Study”刊发在医学信息学中科院分类Q1区的《J MED INTERNET RES》杂志上，影响因子5.034分。
J MED INTERNET RES在线论文 东华医为：用AI技术助力科技抗疫 2020年新型冠状病毒疫情（COVID-19）在全球暴发。
3月1日，世界卫生组织发布最新疫情报告指出，新冠肺炎重症患者死亡率超过50%。
在北京考察新冠肺炎防控科研攻关工作时指出，提高治愈率、降低病亡率，最终战胜疫情，关键要靠科技。
新冠肺炎ICU患者死亡率高，如何早期评估预后，优化现行的ICU患者治疗措施，进行精确治疗具有重要意义。
东华医为助力中国人民解放军总医院研究利用AI技术构建了入ICU时COVID-19患者死亡概率的在线计算工具，能够为重症患者提供个体化的预测概率。
经过内部验证，模型的准确度高达92％。
公众可以免费使用：http://114.251.235.51:1226/index。
研究团队认为，在COVID-19疫情中，该模型可用于提高如ICU病房和呼吸机等医疗资源的分配效率，也为临床医生提供了快速诊疗和护理建议，对指导疫情防控起到了积极作用。
这一发现，为今后更好地了解新冠肺炎ICU患者临床特征以及制定防控策略提供了更多的依据。
入ICU时COVID-19患者死亡概率的在线计算工具 本项研究利用机器学习方法建立ICU中COVID-19患者死亡的预测和分析模型。
研究先对100个潜在危险因素做显著性分析，之后相关性分析发现45个显著性差异的危险因素之间存在信息冗余，为提高预测模型的便捷性，研究使用因子分析对特征降维，最终实验发现8个重要危险因素可以近似代替更多的潜在因素。
在算法方面，本研究选择了传统的逻辑方法和四种流行的机器学习分类算法：自适应增强（AdaBoost），梯度增强决策树（GBDT），极限梯度增强（XGboost），Catboost进行数据建模。
算法所建模型通过不断的参数优化和模型评估，对比各模型拟合效果，选择最佳模型作为风险预测模型。
然后，对风险预测模型进行必要的模型解释和模型评估，以确保模型的稳定性和可靠性。
通过SHAP、LIME算法，分别实现了对XGBoost黑盒模型的特征解释和样本预测解释，为模型的预测结果提供依据，从而保障了模型的可依赖性，增强医护人员对模型的信任感。
此外，研究还比较了机器学习模型的APACHE II，SOFA，MODS和PSI得分，发现XGboost的AUC高于这四个得分和传统的逻辑模型。
风险预测模型与各种关键评分的ROC曲线之间的比较 东华医为: 发挥医疗大数据价值, 赋能智慧医疗 东华医为医疗大数据研究院利用自身的技术优势，协同医院及医疗机构对多源异构数据进行智能管理、精细化治理，通过大数据、人工智能技术对医疗数据进行结构化和标准化处理，构建多样化、智能化的AI算法模型，应用在临床科研中，为医学科研，医院管理，协助政府公共决策提供有力的技术保障。
此次合作，更是以实践证明AI能够很好的助力医学科研，尤其在疫情防控的关键时刻，降低疫情死亡率尤为关键。
此外，医疗大数据研究院开发的科研专病平台及临床数据管理系统等医学科研产品，在保证数据安全的前提下，可以满足各领域PI及各医院重点科室构建真实世界数据库的需求，助力专家开展真实世界研究，将医生临床发现转化为科研成果，大大缩短科研转化周期，保障科研课题的高效完成。
深耕医疗信息化行业21年，东华医为始终坚持开放、创新、融合的理念，以客户为本，服务第一线临床需求，不断推陈出新，研发前沿技术。
东华医为将通过大数据科研及人工智能技术协助医院完成从IT治理向数据治理的转变，最大程度的发挥医疗大数据的价值，协助更多的临床专家完成科研成果转化，共同提高诊治水平，造福病患，赋能智慧医疗，服务医疗大健康生态！