我在早产儿护理方面取得了进展
詹姆斯库克大学的科学家们认为，他们在使早产儿存活的科学方面取得了进展。
作为她博士工作的一部分，JCU工程讲师Stephanie Baker领导了一项试点研究，该研究使用混合神经网络来准确预测个体的风险早产儿脸
她说，早产引起的并发症是5岁以下儿童死亡的主要原因，超过50%的新生儿死亡发生在美国早产儿．
“几乎所有地方的早产率都在上升。在新生儿重症监护病房，评估死亡率风险有助于困难的决定应该使用哪些治疗方法，以及治疗是否以及何时有效，”贝克女士说。
她说，为了更好地指导他们的护理，早产儿通常会得到一个分数，表明他们面临的风险。
“但这个系统有几个局限性。生成评分需要复杂的手工测量、大量的实验室结果，以及列出产妇的特征和现有状况，”贝克女士说。
她说，另一种选择是测量不变的变量，比如出生体重，这阻止了在持续的基础上重新计算婴儿的风险，也没有显示他们对治疗的反应。
“理想的方案是使用基本人口统计数据和常规测量的生命体征来提供持续评估。这将允许评估不断变化的风险，而不会给医护人员增加不合理的额外负担，”贝克表示。
她说，JCU团队的研究发表在《生物与医学计算机》杂志上，开发了新生儿人工智能死亡率评分(NAIMS)，一种混合方法神经网络它依靠简单的人口统计数据以及心脏和呼吸频率的趋势来确定死亡风险。
“利用12小时内生成的数据，NAIMS在预测婴儿在3天、7天或14天内的死亡风险方面表现出色。
贝克女士说:“这是我们所知的第一项仅使用易于记录的人口统计数据、呼吸频率和心率数据来对直接死亡风险做出准确预测的研究。”
她说，这项技术速度很快，不需要侵入性的程序或病史知识。
“由于简单和高性能在我们提出的方案中，NAIMS可以很容易地连续自动地重新计算，从而分析婴儿对治疗的反应和其他健康趋势，”贝克女士说。
她说，在与医院早产儿死亡率记录进行测试时，NAIMS已经被证明是准确的，而且与现有的计划相比，NAIMS有额外的优势，即能够基于病人住院期间的任何12小时数据进行风险评估。
贝克表示，下一步是与当地医院合作，收集更多数据，并进行进一步测试。
贝克女士说:“此外，我们的目标是对新生儿重症监护的其他结果进行预测研究，如败血症的发生和患者住院时间。”
