AI预测ER入院的风险


【AI预测ER入院的风险】根据在PLOS Medicine上发表的一项研究,牛津大学的研究人员能够通过使用具有电子健康记录(EHR)的机器学习技术来预测患者进入急诊护理的风险 。
“我们的研究结果表明,其中包括有关个人信息丰富的大型数据集,机器学习模型胜过最好的常规统计模型之一,”首席研究员Fatemeh Rahimian,在乔治国际卫生前数据的科学家,在说的语句 。“我们认为这是因为机器学习模型会自动捕获并从我们以前不知道的数据之间的交互中“学习” 。”
在这项研究中,研究人员推导,验证并比较了传统模型和两种机器学习模型如何预测急诊入院 。为了测试模型,他们使用了1985年至2015年间英格兰近400种医疗机构的460万患者的EHR数据 。他们还使用了时间和各种变量,例如患者的人口统计学,生活方式因素,实验室检查,处方药和先前的紧急入院 。
当仅对变量测试所有模型时,常规模型在接收器工作特性曲线(AUC)下获得0.736的面积,而两个机器学习模型均获得0.796和0.736的AUC 。当添加其他因素(例如时间和更多变量)时,常规模型的AUC为0.788,而机器学习模型的AUC为0.826和0.810 。
尽管这些模型需要进一步测试,但研究人员认为机器学习可以用来帮助医生更好地监视患者,从而避免急诊 。
“使用机器学习和添加时间信息可以显着改善用于预测紧急入院风险的判别和校准 。该研究总结说,模型性能在一系列预测时间范围内以及在外部验证后仍保持稳定 。“这些发现支持将机器学习模型整合到电子健康记录中以为护理和服务计划提供信息的潜力 。”

    推荐阅读