急诊CT必要性预测模型

仅凭分诊数据即判

利用预训练语言模型整合非结构化分诊文本,在无生理检测数据的情况下判断患者是否需行CT,减少不必要辐射并优化急诊资源分配。

Heng-Yu, Lin · Chang, Yungchun · Pei-Ying, Yang · Huang, Tingyun

Engineering Applications of Artificial Intelligence 2025

参数信息

受试者工作特征曲线下面积
0.88
精确率-召回率曲线下面积
0.5414
阴性预测值
0.9261
AUROC相对提升
0.6 %
AUROC相对提升
4.8 %

技术优势

仅凭分诊数据

模型输入仅为患者症状、主诉、生命体征和病史,无需任何生理检测数据,即可在分诊时快速预测CT必要性。

高阴性预测值

模型阴性预测值达到0.9261,对无需CT的患者具有很高识别可靠性,有助于减少不必要辐射暴露。

优于现有方法

与现有语言模型和传统机器学习方法相比,模型在AUROC上分别提升0.6%和4.8%,表现最佳。

应用场景