机器学习于机械通气患者脱机预测应用的研究进展  

作　　者：卢乙禧 李晓珊 戴惠华[1] 

机构地区：[1]中山大学孙逸仙纪念医院急诊科,510120 [2]南华大学护理学院

出　　处：《岭南急诊医学杂志》2024年第4期446-448,共3页Lingnan Journal of Emergency Medicine

摘　　要：机械通气技术常用于重症监护室,是一种生命维持手段,用于纠正低氧血症或高碳酸血症。脱机是指患者逐步恢复自主呼吸功能,不依赖于呼吸机的过程。成功脱机往往依赖于医护人员的临床经验,主观性较强。过早脱机不仅会加重呼吸负担,引发呼吸肌的疲劳、导致气体交换失败,而且加重患者的呼吸功能衰竭;延迟脱机一定程度会加重患者对于呼吸机的依赖,增加呼吸机相关性肺损伤、院内获得性肺炎、气道创伤发生的风险,加重患者身心负担甚至导致死亡[1];这两个过程不仅会加大病患家庭经济压力,而且增加临床工作负担。在医疗的疾病诊断、预测中,人工智能均有突出的贡献。机器学习作为人工智能的主要研究方法,在人类专家知识和计算机数据分析处理能力的相关领域中取得平衡,有助于在疾病预测上提高决策的速度和质量[2]。因此,本文就机器学习于机械通气患者脱机预测的应用展开综述,分析现状,提出面临的挑战与对未来的展望。

关 键 词：呼吸功能衰竭 高碳酸血症 机械通气患者 低氧血症 机器学习 人工智能 数据分析处理 疾病诊断 

分 类 号：R459.7[医药卫生—急诊医学]