Etablering av diagnossystem för undernäring genom att använda teknik med artificiell intelligens

Prevalensen av undernäring uppskattas till 30-50% av sjukhuspatienter i Kina. Sjukdomsrelaterad undernäring ökar risken för infektion, dödlighet, längd på sjukhusvistelse samt den ekonomiska bördan. Nationell näringsplan föreslog att minska undernäring, men en tydlig, effektiv färdplan och protokoll har inte funnits ännu. Flera faktorer hindrar att lösa ovanstående utmaningar. De inkluderar: 1) den låga effektiviteten hos nuvarande metoder för undernäringsdiagnostik; 2) avsaknaden av dynamisk, standardmetod som kan utvärdera näringsstatus på kvantitativt sätt. För detta ändamål, utredarna syftar till att etablera ett artificiell intelligens undernäring diagnossystem för att förbättra tillämpningen av undernäring Clinical Pathway. För det första kommer utredarna att upprätta en multidimensionell mängd undernäringsdata, baserad på vår tidigare byggda nationella nutritionsscreeningsdatauppsättning för sjukhus.

Den kommer att innehålla djupa 3D-ansiktsbilder, semistrukturerade och strukturerade elektroniska journaler. Sedan kommer utredarna att använda ensembleinlärningsalgoritm för att etablera en helautomatisk, artificiell intelligensmodell för undernäringsdiagnos som inkluderar både etiologisk och fenotypisk diagnos.