股票 
板块 
用户 
资讯 围手术期输血指征与用血量的评估，是临床长期面临的难点，直接关系患者安全与血液资源的合理利用。传统输血管理以医生的临床经验判断为基础，如何在此基础上引入数据和AI技术，提供辅助决策支持？如何从判断患者“是否需要输血”，进一步预测“需要输多少血”？南京鼓楼医院与神州泰岳AI团队合作建设的“血液管理AI大模型和智能系统”项目，正是围绕这些问题展开探索。
2026年10月，南京鼓楼医院（南京大学医学院附属鼓楼医院）主导、神州泰岳AI团队提供主要技术支持的AI输血预测研究成果，先后亮相两场国际医学峰会：
——10月17日至19日，血液与生物治疗促进协会（AABB）年会在美国亚特兰大举行，研究成果入选 Spotlight 亮点专场，南京鼓楼医院输血医学科陈青主任作口头报告。
——10月7日至10日，欧洲心胸外科协会（EACTS）第40届年会在西班牙巴塞罗那举行，南京鼓楼医院心外科姜艺博士就该研究作学术分享。
上述研究来自南京鼓楼医院与神州泰岳AI团队合作建设的“血液管理AI大模型和智能系统”项目的部分研究成果。在合作中，南京鼓楼医院负责临床需求确认、脱敏数据提供及预测结果验证，神州泰岳AI团队承担AI大模型和智能系统的开发与测试，双方共同搭建了面向输血医学科和心脏外科的两套输血预测系统。
01
算法层面
传统单级模型试图一步预测输血量，但“真正需要大量输血”的患者占比相对较低，样本分布不均衡，容易影响模型预测效果。为此，项目团队创新设计了两阶段模型：第一级做分类，判断“是否需要输血”；第二级对确认需要输血的患者做回归，预测“具体输多少”。
验证结果显示：以红细胞为例，两级模型预测输血量的平均绝对误差（MAE，数值越低表示预测误差越小）较单级模型下降17%以上；XGBoost 在红细胞输血需求预测上的AUC达到0.859（该值越接近1，说明模型对“是否需要输血”的识别能力越强）。此外，团队利用 SHAP 分析识别影响预测的关键变量，提升了模型的可解释性，使预测结果有据可依，便于临床医生理解和参考。
02
数据与验证层面
项目根据不同科室的业务特点，采用了不同规模的数据集：
输血医学科：基于医院信息系统内12,323例患者数据，采用时间验证方法评价模型表现，在“是否需要输血”的二分类预测基础上，进一步拓展至输注量的定量评估，为围术期患者血液管理提供更精细的研究思路。
心脏外科：基于科室主动脉夹层单病种数据库的2,487例患者数据进行训练（按7:3划分为训练集与内部验证集），以多中心患者数据作为外部验证集，覆盖红细胞、冷沉淀、血浆、血小板等主要血制品。
这套AI系统依托临床病例数据，为医生提供可量化的用血参考，为围术期血液管理带来新的解决思路。本次研究成果在两场国际医学峰会上亮相，为医疗AI在真实临床场景中的应用提供了有益探索。医企协同模式，实现了临床专业与技术研发的深度融合，也为医疗AI的创新应用形成了可借鉴的路径。
此次与南京鼓楼医院的合作，是神州泰岳AI能力在医疗领域一次积极而有效的探索。神州泰岳将凭借扎实的工程化能力，持续推动AI落地千行百业。
评论 (0)