热点事件持续更新
可解释深度学习模型FT-TabNet获开发 预测脓毒症ICU住院时长
1 篇报道1 个报道来源11 小时前更新
先了解这件事
AI 综述
2026年10月9日，《npj Digital Medicine》报道，研究人员开发出一种可解释的混合深度学习模型FT-TabNet，用于早期预测脓毒症患者在ICU的延长住院情况（>4天）。该模型主要利用患者进入ICU前24小时的17项SOFA特征开展预测。测试表现方面，FT-TabNet在MIMIC-IV内部验证中取得了0.848的AUROC；在韩国CBNUH与CNUH两家机构的外部验证中，AUROC分别达到0.823和0.781。
AI 根据报道生成 · 11 分钟前更新
最新进展10月9日 08:00
研究团队开发出FT-TabNet模型，能利用入ICU前24小时特征早期预测脓毒症延长住院。报道时间线
沿着报道，了解事件的不同侧面。
10月9日
- npj Digital Medicine基于可解释混合深度学习模型早期预测脓毒症患者 ICU 住院延长
研究人员开发出混合深度学习模型 FT-TabNet，利用入 ICU 前 24 小时的 17 项 SOFA 特征早期预测脓毒症患者延长住院（>4 天）。该模型在 MIMIC-IV 内部验证中取得 0.848 的 AUROC，在韩国 CBNUH 与 CNUH 外部验证中 AUROC 分别达 0.823 和 0.781。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。