近日，重庆大学从属中心病院（重庆市急救医疗中心）马渝栽植团队、陆军军医大学第二从属病院肖晶晶团队，以及北京协和医学院医学信息参议所李姣团队在海外巨擘学术期刊《npj Digital Medicine》（中国科学院1区Top期刊，影响因子15.1）发表题为：Unlocking the potential of real-time ICU mortality prediction: redefining risk assessment with continuous data recovery（解锁实时ICU逝世率展望的后劲：通过勾搭数据规复再行界说风险评估）的参论说文。马渝栽植和肖晶晶栽植为著述通信作家，重庆大学从属中心病院博士参议生解璞光为著述第一作家。

参议团队频年来执续竭力于东说念主工智能时刻在急危重症医学范围的立异与滚动参议，积极探索智能算法在临床预警、决议扶持及医疗质地普及中的应用。本项参议是团队在该方进取取得的遑急进展，旨在惩处重症监护病房（ICU）真确场景下数据缺失与展望时效性难以兼顾的临床痛点。

在ICU中，实时准确地展望患者短期逝世风险，对优化医疗资源分拨和引导临床热闹具有遑急意旨。但是，由于实验室检测蔓延、查验频率死心以及临床责任历程等身分，实时赢得完满的患者数据极为坚苦，ICU数据广泛存在多数缺构怨不王法收集的问题，导致传统时序展望模子或简便插补方式难以已毕可靠且实时的展望。

为惩处这一难题，参议团队基于生成式东说念主工智能时刻，提倡了一种端到端的实时展望模子RealMIP。该模子大要灵验捕捉临床数据中的复杂时候动态与多变量依赖干系，在新测量数据产生时，自动运用患者一说念历史信息智能填补缺失值，并实时更新逝世风险展望，确保评估长久基于最新、最全面的信息。这一举座架构使模子在数据不完满、收集不王法的推行场景下，仍能已毕精确、实时的逝世风险评估。

RealMIP的中枢立异与孝顺包括：

1.系统应付ICU实时数据缺失问题，提倡基于生成模子的缺失值填补与端到端历练政策。在多中心考据中，该模子的AUC达到0.932–0.968，展望性能显赫优于现存主流评分系统和展望模子。

2.普及常用临床器用的展望才智。与传统插补方式比较，经RealMIP填补的数据大要显赫提高早期预警评分（如NEWS和MEWS）在实时风险监测中的发达。

3.具备高识别才智与低误报包袱。可在患者逝世前3小时识别82–95%的高危病例，且每100名患者日均误报警次数低于400次。

4.增强临床大夫对AI决议的信任。RealMIP扶持实时填补、实时展望与可视化阐述，匡助大夫泄露模子推理过程，普及了AI辅助调整的可行性与临床收受度。

该参议通过交融生成模子、端到端架构与可阐述东说念主工智能时刻，在数据缺构怨不王法收集的ICU环境中已毕了高精度、可阐述的实时逝世风险展望，为ICU临床决议提供了遑急的方式论扶持与实用器用。

此项参议后果记号着团队在灵敏医疗参议范围取得遑急进展，也为东说念主工智能赋能危重症患者精确调整提供了具有临床实用价值的新范式。（资讯）

原标题：科研立异|病院科研后果被海外巨擘学术期刊《npj Digital Medicine》刊发