Accès ouvert déclaré 2025 article

Leveraging AI and transfer learning to enhance out-of-hospital cardiac arrest outcome prediction in diverse setting

Siqi Li, Yohei Okada, Wenjun Gu, Michael Hao Chen, Do Ngoc Son, Quoc TA Hoang, Marcus Eng Hock Ong, Nan Liu, Michael Yih Chong Chia, Yih Yng Ng, Benjamin Sieu‐Hon Leong, Han Nee Gan, Desmond Renhao Mao, Wei Ming Ng, Nausheen Edwin Doctor, Ling Tiah, Andrew Fu Wah Ho, Wei Ling Tay, Si Oon Cheah, Shun Yee Low, Lai Peng Tham, Shir Lynn Lim, Dai Quoc Khuong, Long Hoang Le, Tuan Anh Nguyen, Chinh Quoc Luong, Thang X. Vu, Dat Nguyen, Huan Huu Nguyen, Hung Quoc To, Hung Trong Nguyen, Trang Thuy Nguyen

3Citations signalées, ce qui n’est pas une note de qualité

20Institutions déclarées

5Pays d’affiliation déclarés

Rattachement africain : sg, jp, vn, us, ch. Niveau de preuve : code pays fourni par la source.

Le résumé fourni par la source

Access to trustworthy artificial intelligence (AI) for clinical applications is uneven, especially in low-resource settings with limited and inconsistent data. Models from high-resource settings often fail to generalize. Transfer learning (TL) can adapt established models to new settings. Using neurological outcome prediction for out-of-hospital cardiac arrest (OHCA) as a proof of concept, we adapted a model trained on a large cohort to Vietnam (243 patients) and Singapore (15,916 patients) using the Pan-Asian Resuscitation Outcomes Study registry. The external model performed poorly on the Vietnam cohort, with an area under the receiver operating characteristic curve (AUROC) of 0.467 (95% CI: 0.141-0.785), but TL markedly improved performance (AUROC = 0.807, 95% CI: 0.626-0.948). In Singapore, TL yielded modest gains (AUROC = 0.955 vs. 0.945). These findings highlights the potential of TL to improve prediction accuracy across diverse healthcare contexts and to support equitable and safe global AI adoption.

Ce résumé expose les affirmations des auteurs. BNTIC ne l’interprète pas comme une validation indépendante des résultats.

Le contrôle bibliographique ouvert

DOI retrouvé dans Crossref DOI retrouvé ; titre concordant.

Titre Crossref: Leveraging AI and transfer learning to enhance out-of-hospital cardiac arrest outcome prediction in diverse setting
Date Crossref: 21/11/2025
Éditeur: Springer Science and Business Media LLC
Type: journal-article

Ce recoupement confirme des métadonnées liées au DOI. Il ne confirme ni la méthode ni les conclusions de l’étude, et il ne compte pas comme une seconde source scientifique indépendante.

Où se fait cette recherche

Duke-NUS Medical School pays non établi dans la notice
Université ou école supérieure
SingHealth pays non établi dans la notice
Établissement de santé
Kyoto University pays non établi dans la notice
Université ou école supérieure
Bạch Mai Hospital Center for Critical Care Medicine pays non établi dans la notice
Établissement de santé
Children's Hospital 1 pays non établi dans la notice
Établissement de santé
Hue Central Hospital pays non établi dans la notice
Établissement de santé
Singapore General Hospital Department of Emergency Medicine pays non établi dans la notice
Établissement de santé
National University of Singapore NUS Artificial Intelligence Institute pays non établi dans la notice
Université ou école supérieure
Duke University Department of Biostatistics and Bioinformatics pays non établi dans la notice
Université ou école supérieure
Tan Tock Seng Hospital pays non établi dans la notice
Établissement de santé
National University Hospital pays non établi dans la notice
Établissement de santé
Changi General Hospital pays non établi dans la notice
Établissement de santé

Duke-NUS Medical School, SingHealth et Kyoto University, avec 9 autres affiliations.

Une affiliation ne permet pas de déduire la nationalité d’un auteur.

Les sujets associés

Cardiac Arrest and ResuscitationSepsis Diagnosis and TreatmentArtificial Intelligence in Healthcare and Education

Lire en accès ouvert Consulter la publication primaire Ouvrir le DOI