医疗人工智能
综合脓毒症监测算法
我们目前正在研究一种智能脓毒症监测系统，以持续识别和风险分层脓毒症风险增加的患者. 我们正在与Courant数学科学研究所机器学习领域的顶尖专家合作，开发机器学习理论，以整合所有可用的人口统计数据, 实验室, 射线照相, 以及连续的血流动力学数据. 我们将使用这些算法来派生下一代临床金博宝官网登录, 上下文信息检索, 有针对性的决策支持. 这项研究得到了由国防部资助的CIMIT创新基金的支持.
演讲
- Horng年代 Sontag DA, Shapiro NI， 内桑森拉. 机器学习算法可以识别将受益于针对性败血症决策支持的患者. 全国ACEP研究论坛. 丹佛，科罗拉多州，2012年10月9日.
- Horng年代 , 内桑森拉Sontag DA, Shapiro NI. Angus ICD9-CM脓毒症抽象标准的前瞻性验证. 全国ACEP研究论坛. 丹佛，科罗拉多州，2012年10月8日.
- Halpern Y, Horng年代, 内桑森拉夏皮罗NI，桑塔格DA. 非结构化临床文本降维技术的比较. ICML 2012临床数据分析研讨会，2012年7月. 纸
- Horng年代 ， Sontag DA, Chiu DT, Joseph JW, Shapiro NI， 内桑森拉. 使用自动计算机算法预测分诊时ICU住院率和死亡率. 国家SAEM研究论坛. 芝加哥，伊利诺伊州，2012年5月.
- Halpern Y, Horng年代, 内桑森拉夏皮罗NI，桑塔格DA. 急诊科病人监护算法. 少量的车间. 内华达山脉，西班牙，2011年12月16日.
- Horng年代 ， Sontag DA, Chiu DT, Shapiro NI， 内桑森拉. 分类护士的自由文本评估对识别感染的机器学习算法的影响. 全国ACEP研究论坛. 旧金山，加州，2011年10月.
出版物
- 上下文信息检索
- 有针对性的决策支持