利用人工智能实现更好的电话医疗保健
在卫生保健领域，分诊包括按紧急程度对患者进行分类，以便最紧急的患者优先接受治疗。当病人被分配到比他们真正需要的更不紧急的类别时，这被认为是分诊不足——可能会造成致命的后果。现在，来自日本的研究人员开发了一种基于计算机的方法，可以在基于电话的分诊系统中预测分诊不足的情况。他们的研究结果发表在本月的医学年鉴并可能改善全球电话分诊结果。
分诊方案正在不断更新，以提高其性能并减少分诊不足的比例。一个很有前途的方法是使用机器学习模型，这是一种基于计算机的程序，它使用一组训练数据来寻找模式，然后可以根据它们已经学会识别的模式在新数据中做出预测。最近开发了基于医院的分诊的机器学习模型，在预测适当的紧急级别方面优于传统方法。
也可以通过电话服务进行分诊病人被告知他们应该如何紧急寻求亲自医疗保健。机器学习模型还没有被开发出来用于基于手机的分诊，筑波大学的研究人员决定解决这个问题。
“我们使用的数据来自私人公司这提供了下班后的时间医疗保健使用基于电话的分诊系统，”该研究的主要作者、副教授Ryota Inokuchi解释说。“我们开发了五种不同的机器学习模型，发现其中两种模型特别擅长预测数据中的分诊不足。”
值得注意的是，这两家表现最好机器学习模型有一些重要的共同特征。
该研究的资深作者田宫Nanako教授说:“两个模型都发现了同样的风险因素:年龄较大、为男性、患有高血压或糖尿病等其他疾病，以及某些类型的疾病，如普通感冒症状。”“这些风险因素可以用来更新电话分诊协议，以改善患者的预后。此外，我们的机器学习方法可以在全球范围内用于评估和改进电话分诊协议。”
由于电话分诊需要很长时间，而且相对来说很难做好，任何能够加快过程和/或提高准确率的因素都会受到医疗界的欢迎。优先考虑的风险因素在目前的研究中发现，将有助于降低分诊不足率，并可能加快电话-伤检分类的过程。鉴于以电话为基础卫生保健越来越普遍，特别是在covid -19之后，改进的方案可以挽救许多生命，改善患者的预后。
