多模态人工智能模型高精度预测危重患者死亡率

这项研究展示了在利用人工智能预测危重患者死亡率方面的重大进展。多模态方法结合了时间序列数据、临床笔记和胸部X光片等多种数据类型，与仅依赖结构化数据的模型相比，显示出更高的预测能力。跨多个数据集（MIMIC-III、MIMIC-IV、eICU 和 HiRID）和机构的外部验证加强了模型的泛化性和临床适用性。高 AUROC 分数表明强大的区分能力，表明有可能协助临床医生进行早期风险分层和治疗优化。然而，AUPRC 分数虽然随着非结构化数据的纳入而有所提高，但仍然相对适中，表明在预测阳性病例（死亡率）方面仍有改进空间。未来的研究应侧重于提高 AUPRC，并探讨该模型对实际临床决策和患者结局的影响。

• •多模态人工智能模型可以提高危重患者的死亡率预测。
• •整合临床笔记和图像等非结构化数据可提高模型性能。
• •跨不同数据集的外部验证对于确保泛化性至关重要。