Searstech推动可穿戴AI医疗进化：“预测准确度远超现有技术”

Published 19 Sep.2024 15:11(KST)

24小时预测心脏骤停，论文刊登于SCI级期刊
克服AI算法偏差，提高预测准确度
搭载于住院患者实时监测系统

人工智能（AI）可穿戴医疗器械企业Searsciencetechnology于19日表示，其提高住院患者心脏骤停风险预测准确度的研究结果已发表于科学引文索引（SCI）级学术期刊。

该研究成果是2023年12月发表于国际学术期刊《医学互联网研究杂志》（Journal of Medical Internet Research，JMIR）的论文《利用集成方法的可解释人工智能预警模型预测院内心脏骤停：回顾性队列研究》的后续研究，旨在开发一款针对临床现场进行最优化的心脏骤停预测人工智能算法。

Searsciencetechnology在此前研究所使用的人工智能模型基础上，将生理信号的输入周期从24小时缩短至12小时，并将心脏骤停发生的预测时间范围由原先的6小时以内扩展为24小时以内，从而实现了模型的高度化。研究未采用通常使用的“代表性事件收集”方式来验证预测结果，而是模拟真实临床环境，验证了在多种住院环境下对住院患者进行实时心脏骤停预测的性能。

研究结果显示，以体现预测准确度的性能指标受试者工作特征曲线下面积（AUROC）为基准，数值达到0.8，优于既有方法。这意味着无论住院环境和患者特性如何，在真实住院环境中，模型最高可通过80%的准确度发出心脏骤停预测预警。在相同条件下，与既有心脏骤停预测模型相比，准确度最高提升了26个百分点。预测误报率则较既有研究降低了20个百分点以上。与传统方法相比，该模型不仅能够以80%的准确度预测24小时内发生心脏骤停的可能性，高危报警的可信度也提升了20%。

公司相关负责人表示：“本次提出的人工智能模型，重点在于通过分析生理信号随时间变化的统计信息及生理信号信息的不均衡性，最大限度降低算法的潜在偏倚”，“与既有心脏骤停预测模型相比，该模型在多种住院环境下展现出一致的心脏骤停预测结果和准确度”。

Searsciencetechnology不仅提供心脏骤停早期发生风险评估，同时还提供主要生理信号信息。公司方面解释称，这意味着人工智能预测模型可作为一种可靠的临床诊断支持系统，提前向医护人员发出心脏骤停发生风险预警，并帮助其查明诱因。

Searsciencetechnology计划将这一人工智能模型搭载到公司自有的住院患者实时监测系统“thynC™”上。thynC™是一款智能病房解决方案，通过无线可穿戴医疗器械测量患者的生理数据，并基于人工智能进行实时分析，自动感知异常征兆，帮助医护人员进行高效且迅速的应对。

以往的心脏骤停预测模型是基于每天3至4次间断测量得到的患者生理信号以及电子病历（Electronic Medical Record，EMR）数据来运行，而thynC™依托实时测量的数据，因此能够即时响应患者状态变化，具备更高的预测性能和实用价值。

必读新闻

“有钱也享受不到”……真正“顶级0.1%”的世界 [奢华世界]

Searsciencetechnology首席执行官Lee Youngshin表示：“我们正将研究力量集中于通过疾病预测来消除因不断增加的诊疗需求和住院需求所带来的患者管理盲区，而不仅仅停留在利用可穿戴人工智能技术进行诊断和监测服务的层面。”他还补充称：“今后不仅要实现心脏骤停预测，还将持续把与住院患者重症化预测相关的人工智能模型，如急性心律失常预测、败血症预测等，推向商业化并应用于临床现场。”

한글 기사 보기

本报道由人工智能(AI)翻译技术生成。