西达赛奈医学中心罗马·詹尚达尼、阿曼达·莫门扎德及杰西·迈耶博士领衔的研究团队近日在《npj数字医学》发表成果，成功开发一款基于长短期记忆网络的深度学习模型，可提前二十四小时预测住院患者低血糖风险。该模型通过分析电子健康记录中的药物、检验指标及进食情况，每四小时采集一次数据，连续观察五天后输出风险预警。研究团队以2014至2025年间该院系统超十四万三千名成年患者的住院数据为训练集，并经由前瞻性临床数据验证，确认其预测效能。 低血糖是住院患者常见且可能危及生命的并发症，目前临床多以被动应对为主。该AI工具旨在填补主动预测的技术空白，通过实时识别高风险个体及关键驱动因素，为医护团队争取干预窗口。据测算，单家大型医院每日有望借此避免三至四例低血糖事件发生。科学家指出，该模型完全依托医院现有数据流构建，具备无缝嵌入临床工作流的潜力。若实现规模化部署，将推动住院患者血糖管理向数据驱动的前瞻性模式转型，显著降低并发症发生率并提升整体医疗安全标准。