8月12日，我院急诊医学与灾难医学研究所副所长江华团队一项研究成果在Journal of Critical Care杂志（重症医学二区）发表，课题组首次系统将22种常见的机器学习模型与传统的Logistics regression进行比较以期找到合适的模型应用于颅脑损伤预后的预测。

众所周知，颅脑损伤是造成中青年死亡的重要原因之一，且致残率高，是世界范围内严重的公共卫生和社会经济问题。因此，如何对颅脑损伤患者病情预后进行及时的预判是整个诊疗过程中的重点。随着计算机技术的发展，机器学习越来越快地进入到临床研究的领域，大量的数据被恰当的收集、储存和管理并采用适当的模型进行挖掘，就能产生转化为提高临床实践水平的成果。

本研究发现，常规的Logistics regression的方法在处理高维数据时会造成模型的稳定性下降，Cubic SVM、Quadratic SVM和Linear SVM这三种算法的综合性能更优，是构建颅脑损伤预后预测模型算法的最佳选择。

文章的共同第一作者是我院急诊医学与灾难医学研究所冯金周副主任医师和硕士研究生王宇，通讯作者为急诊医学与灾难医学研究所副所长江华。自研究所创立之初，该团队就将目光聚焦于数据驱动的临床研究，本文是首个量化评估众多机器学习模型用于颅脑损伤预后预测的研究，开启了创伤医学人工智能研究方法学的新路径。