AI 與世界的難題 · 醫學與藥物探索 · Nature (computational biology) · 2026-10-26
可解釋機器學習模型於難治性肺炎黴漿菌肺炎早期預測之開發與驗證：一項多中心研究
原標題: Development and validation of an interpretable machine learning model for early prediction of refractory mycoplasma pneumoniae pneumonia: a multi-center study
以傳統方法要早期預測兒童難治性肺炎黴漿菌肺炎（RMPP）相當困難。作者使用四個中心共 6,587 名兒童的資料，比較了六種機器學習模型，其中隨機森林表現最佳。在兩個外部世代中，其 AUROC 分別為 0.774 與 0.807，主要預測因子為入院前發燒持續時間、嗜中性球百分比與年齡。