机器学习可用于预测哪些患者需要紧急入院

机器学习 - 使用统计技术使计算机系统从数据开始“学习”的人工智能领域 - 可用于分析电子健康记录并预测急救医院入学的风险，这是乔治全球健康研究所的新研究在牛津大学发现。

该研究，在期刊上发表Plos医学旨在使用这些技术可以帮助健康从业者准确监测患者面临的风险，并制定措施，以避免意外招生，这是医疗保健支出的主要来源。

“2017年英国有超过590万备急救医院入学，其中大部分是避免的，”乔治研究所英国的前数据科学家Fatemeh Rahimian表示，他领导了研究。

“我们希望提供一个能够使医疗工作者能够准确地监控患者面临的风险的工具，结果可以帮助患者筛选和主动护理做出更好的决策，以帮助减少应急录取的负担。”

该研究，460万耐心从1985年到2015年，使用链接进行电子健康记录从英国的临床实践研究数据链接。考虑到广泛的因素，包括年龄，性别，种族，社会经济状况那家史，生活方式因素，组合，药物和药物和婚姻状况以及自第一次诊断以来的时间，最后使用卫生系统和最新的实验室测试。

使用更多变量与其定时的信息相结合，发现机器学习模型提供了比先前所使用的任何模型的紧急住院入学风险更强大的预测。

“我们的调查结果表明，对于包含有关个人信息的大型数据集，机器学习模型优于最佳传统统计模型之一，”Rahimian说。“我们认为这是因为机器学习模型自动捕获并从我们之前未知的数据之间的交互”学习“。”

无论是机器学习模型是否可以导致同样强烈的风险预测改善其他医学领域都需要进一步研究。

---

---