- 我的订阅
- 社会
我们正处于一个信息大暴发的时代，每天都能产生数以百万计的新闻资讯！
虽然有大数据推荐，但面对海量数据，通过我们的调研发现，在一个小时的时间里，您通常无法真正有效地获取您感兴趣的资讯！
头条新闻资讯订阅，旨在帮助您收集感兴趣的资讯内容，并且在第一时间通知到您。可以有效节约您获取资讯的时间，避免错过一些关键信息。
小叶医探 | 仅需11项常规检验指标！儿童重症肺炎有了AI“预警哨”
大皖新闻讯 儿童重症肺炎起病急、进展快，是导致5岁以下婴幼儿死亡的主要原因之一，早期识别高风险患儿、及时进行干预，是提高治愈率、改善预后的关键。
近日，由国家儿童区域医疗中心、安徽省儿童医院刘海鹏研究员团队牵头，在国际权威期刊《Journal of Advanced Research》上发表重要研究成果，聚焦识别儿童重症肺炎的早期风险，并推动开发精准评估工具。
该研究创新构建了一款可解释的机器学习预测模型，仅需整合患儿入院24小时内的11项常规检验指标，即可实现重症肺炎风险的高精度分层预警，标志着在儿科人工智能辅助诊断领域取得新进展，为临床早期识别高危患儿提供了新的高可及性辅助诊断工具。
据介绍，该项研究针对5岁以下儿童重症肺炎早期风险分层与识别中存在的单一生物标志物灵敏度低、特异性不足、预测性能局限等问题，融合大数据与人工智能技术，创新构建了一款可解释的机器学习预测模型。仅需整合患儿入院24小时内的11项常规检验指标，即可实现重症肺炎风险的高精度分层预警，为临床早期识别高危患儿提供了可靠工具。
“此项研究的一大亮点在于模型具备良好的可解释性，突破了传统人工智能的‘黑箱’局限。”刘海鹏介绍，通过SHAP分析，研究明确了血清氯、血糖等关键预测因子及其临床临界值，并能针对每例患儿生成可视化风险评估报告，清晰展示各项常规检验指标对风险的影响程度，使AI决策过程对医生“可见、可懂”，显著增强了辅助诊断的可信度和适用性。
“小叶医探”了解到，目前，研究团队已将模型初步部署为免费线上工具，无需额外增加检查成本，尤其适用于基层医院早期筛查与风险早期预警，助力实现高危患儿的及时向上转诊与精准干预，对降低儿童肺炎病死率、优化医疗资源配置具有重要价值。
刘海鹏指出，该工具的研发旨在落实国家儿童区域医疗中心的功能定位，通过技术下沉支持基层儿科筛查。未来，团队将在本成果基础上持续推进多中心前瞻性研究，进一步以循证医学新成果提升儿童重大疾病诊疗能力，让更多患儿受益于这一智能预警系统，为我国儿童肺炎防治工作提供有力的科技支撑。
大皖新闻记者 叶晓 见习记者 张旭凡 实习生 罗唯嘉 闵纯子 董芳瑜
编辑 王翠
以上内容为资讯信息快照，由td.fyun.cc爬虫进行采集并收录，本站未对信息做任何修改，信息内容不代表本站立场。
快照生成时间：2026-01-13 14:45:01
本站信息快照查询为非营利公共服务，如有侵权请联系我们进行删除。
信息原文地址：
