小编发现不少朋友对于 人工智能使用EMR数据预测痴呆 这方面的信息都比较感兴趣，小编就针对 人工智能使用EMR数据预测痴呆 整理了一些相关方面的信息 在这里分享给大家 。
根据发表在医学人工智能中的一项新研究，可以使用电子病历(EMR)数据训练机器学习模型来预测诸如痴呆之类的慢性疾病 。
大约570万人患有老年痴呆症，这是痴呆症最常见的形式，预计到2050年，在每年治疗这种痴呆症的费用为1万亿美元 。作者指出，预测哪些患者可能晚年患有痴呆症帮助您比以前更早地筛查个体，甚至延迟疾病的发作 。
【人工智能使用EMR数据预测痴呆】在考虑了包括支持向量机(SVM)和人工神经网络(ANN)在内的众多机器学习技术后，作者选择了随机森林(RF)分类器 。SVM不如RF那样可解释，而ANN的准确性较低 。
印第安纳大学-普渡大学印第安纳波利斯分校工程技术学院的主要作者Zina Ben Miled博士及其同事写道：“这一选择是受到来自文献和我们自己的初步调查的几个因素所激发的 。” “即，RF是可解释的，计算效率高的，并且可以处理嘈杂，连续和分类特征的高维空间 。”
作者探索了与印第安纳州15个不同机构中2,000多例痴呆症相关的EMR数据 。为了进行研究的对照，研究小组使用了来自印第安纳州25个不同机构的11,000多例痴呆症病例的相关数据 。病例和对照的种族和性别“相似”，减少了两组之间的偏见 。
该团队从EMR的“处方(Rx)”，“诊断(Dx)”和“医疗记录(Nx)”部分中提取了某些功能 。还确定了相关的ICD-9和ICD-10代码 。为Rx数据集，Dx数据集和Nx数据集开发了使用痴呆发作之前一年和三年的EMR数据的单独模型 。还为合并的“ RDNx”数据集开发了这两个模型，将三个数据集合并为一个 。
总体而言，痴呆症发作前一年的模型具有更高的准确性，敏感性和特异性 。使用Nx数据集开发的模型具有最高的准确性，敏感性和特异性 。
同样，合并的RDNx数据集具有更高的准确性 。
作者写道：“这表明，尽管事实上Nx模型具有更高的预测准确性，但Rx和Dx的某些功能(例如抗高血脂药)对组合模型的整体准确性做出了重大贡献 。”
研究小组还观察到，年龄“始终是病例和对照的所有模型的主要特征之一”，而种族和性别并不是任何模型的主要特征 。因此，根据这些模型，种族和性别“不太可能是
推荐阅读
- 熏蒸桶 柜子怎么熏蒸的
- iPhone为何坚持保留静音键及 如何识别 AirPods 及充电盒是哪一代
- 教大家手机淘宝里的体检中心这个功能在哪里
- 怎么能让自己的内心充实 拥有充实心灵
- 知识科普：腾讯课堂怎么查看直播回放课程
- 重型纸箱的瓦楞纸板 郑州瓦楞纸箱
- 喉咙痛吃什么 喉咙痛吃什么食物好得快
- 可以脱女仆衣服的手机游戏 调教女仆小游戏
- 马面裙会炸褶吗