负责人

2023.02-2023.11

内容：

一、问题澄清

目的：研究通过血液分析仪测量的新型血液生物标志物，用于早期脓毒症诊断。

1 .收集了多家医院的3310例患者的血液学数据（1023例阳性/2287例阴性）。

2. 提出了一种利用人工智能预先选择的特征来诊断脓毒症的算法。

二、AI 特征工程

1. 训练神经网络对血液分析仪生成的多信道散点图进行分类，并使用类激活映射（CAM ）可视化注意力特征。

2. 专门针对关注特征区域内的相关特征实施遗传算法，在关键性能指标约束下进行多轮搜索，精确获取前N个最佳血细胞生物标志物。

3. 这种人工智能驱动的特征选择方法，使优化算法能够只关注相关参数，复杂度较以往降低了80%。

三、性能提升

1. 根据血样类型和仪器状态开发了基于规则的场景识别算法。

2. 不同场景对脓毒症早期诊断的需求不同，实现了不同场景下前N个脓毒症指标的优化切换，最大化参数效率，突破传统单一指标的局限性。

3. 与目前流行的方法（CRP\PCT ）相比，实现了更优异的诊断性能，具有更高的准确度（Acc 21%↑& AUC 14%↑）、更快的结果和更低的成本。