AI算法可以避免1，240名發(fā)熱嬰兒中的近850名（將近70%）免于經(jīng)歷痛苦的??腰椎穿刺（也稱為“脊椎抽頭”），以查明他們的高溫是否是由于嚴重的細菌感染引起的。

這項研究背后的嬰兒年齡不超過60天，并在多家醫(yī)院接受過治療。資深作者伊麗莎白阿爾珀恩，醫(yī)學博士，西北大學和勞瑞兒童醫(yī)院在芝加哥和同事們的工作發(fā)表在兒科和覆蓋由醫(yī)院的新聞部門。

該團隊開發(fā)了四種有監(jiān)督的機器學習形式的風險分層模型-Logistic回歸，隨機森林，支持向量機和單隱藏層神經(jīng)網(wǎng)絡。

使用實驗室結果進行地面驗證的內(nèi)部驗證顯示，隨機森林技術實現(xiàn)了最佳特異性（75%）和最高靈敏度（99%）。

隨機森林模型僅對一例菌血癥進行了錯誤分類。（其他類型的嚴重細菌感染包括細菌性腦膜炎和尿路感染。）

作者總結說：“盡管計算復雜，缺乏參數(shù)臨界值并且需要外部驗證，但是這種策略可以減少不必要的程序，住院和抗生素，同時保持出色的敏感性?！?/p>

在這則醫(yī)院新聞中，第一作者，醫(yī)學博士Sriram Ramgopal說，迅速弄清哪些高熱嬰兒在發(fā)生嚴重細菌感染的高風險在他的臨床領域急診尤為重要。

他補充說，隨機森林風險評估模型通過“超越了我們目前使用的決策規(guī)則的預測能力”，給研究人員留下了深刻的印象。

Ramgopal說：“我們的研究結果很有希望，并可能為臨床上最終使用這種人工智能鋪平道路?！?/p>