“临床可变体征和症状可能相互关联并导致临床结果。例如，患者可能由于受伤部位而意识不清，或者可能与体温升高有关”。在开发临床决策支持系统时，研究人员使用了中国开Kai医院急诊科的创伤数据集，该医院与北京大学人民医院创伤中心有着密切的研究合作关系。

通过数据集，研究人员获得了1,299名创伤患者的数据。临床体征和症状之间的相互依赖程度可以根据患者的历史数据进行计算。在建议的临床决策支持系统中，急诊室医师提供有关患者的信息，包括血压，脉搏频率，呼吸频率，意识水平，体温，年龄，合并症，损伤的机理和部位。然后，使用证据推理规则来处理这些临床体征和症状，该规则将每一部分与从现实世界数据中获得的证据进行比较，以预测不良事件的可能性并优化管理创伤患者并帮助他们实现理想的结果。在他们到达医院后，需要快速，准确地识别出进入重症监护病房或死于医院的高可能性。

该团队发现，不仅在没有先验专业知识或临床经验的情况下，他们的模型不仅被证明特别有用，而且与具有传统机器学习模型的其他系统相比，临床决策支持系统还可以更准确地识别具有不良事件的创伤患者。 。此外，临床决策支持系统以实时方式工作。从医生对患者数据的输入到生成适当的建议，该系统几乎没有任何延迟地工作，从而有助于为创伤患者赢得宝贵的时间。

接下来，研究人员计划调整他们的系统，并将其推广到其他临床领域和非紧急部门使用。