新的人工智能模型显示出了预测结果的潜力
根据虚拟美国外科医学院临床研究的两项研究研究，卫生保健环境中的人工智能环境中的人工智能化（AI）在改善救护车运输的交通事故受害者中的生存和成果方面表现出早期取得成功，并在肝移植后预测存活率国会2020。
这两项研究都评估了人工智能如何处理大量数据，以支持外科医生和其他人员的决策保健提供者在护理点。
在一项研究中，明尼苏达大学(University of Minnesota)的研究人员应用了之前发表的一种名为自然语言处理(NLP)的人工智能方法，对22529名紧急情况下的机动车事故患者的治疗需求和医疗干预进行了分类医疗服务(EMS)人员被送往acs认证的明尼苏达州一级创伤中心。根据美国国家科学、工程和医学科学院2016年的一项研究，20%的医疗伤害死亡可能是可以预防的，这代表了研究人员试图解决的一个质量差距。
审查EMS团队的表现潜在可预防的死亡可以使质量改进努力减少这些死亡。“目前，这种绩效审查进程是手动，耗时和昂贵的，”Resideropher James Tignanelli，MD，Facs。“AI允许实现此过程的自动化。”NLP是一种AI协议，其提取来自提供商-MES人员在本研究中提供的语言或书面文本的关键数据 - 进入电子记录作为其报告的关键组成部分。Tignanelli博士是明尼苏达大学医学院急性护理手术，急性护理手术司助理教授，以及明尼苏达大学卫生信息学研究所的联盟教师。
在本研究中，两名创伤外科医生分别以手工方式检查了一项随机选择1%的病人记录和确定的治疗需求和医疗干预。为了评价人工智能系统的准确性，我们将人工测定与自然语言处理方法进行了比较。蒂尼亚内利博士说:“总的来说，算法的准确性非常高。”
通常情况下，在EMS工作人员将他们的记录输入电子健康记录后，监督人员会筛选这些记录，并确定患者是否接受了适当的治疗(通常是在一周左右之后)。“这是一个相当劳动密集型的过程，”报告作者、明尼苏达州圣保罗地区医院烧伤和创伤研究员、医学博士雅各布·斯万说。“这个项目的目标和经过验证的是将大量笔记自动化。”
自然语言处理方法通过一种算法将这些音符分离出来医疗干预措施从不那么重要的地方。“这可以简化人工审查过程，”斯万博士说。他说，“人工智能的准确性并不高，不能让你把医生取出来，然后说人工智能可以完全准确地确定是否提供了标准的护理，但它确实表现得很好。”
AI Pipeline博士·斯瓦南和同事学习，确定只有四分之一（242名936个）患者，在他们到达医院之前需要一个呼吸道干预的患者，以及大约三分之二（170名170名）那些人没有足够的静脉通路和所需的进入骨骼，称为骨内（IO）访问，在预先心脏寿命支持期间接受IO访问。
“能够识别系统性错误，可以让你改善整个卫生系统，”斯万博士说。“通过人工智能阅读算法，我们能够在几分钟内查看大量聚合数据并浏览33万张图表，识别潜在改善的特定领域——无论是静脉注射还是长骨骨折的夹板治疗问题——可以让你从噪音中分离出信号，然后找出问题所在。”
斯万博士指出，“圣杯”是拥有一个人工智能系统，它可以在途中护理过程中倾听和观察急救人员，并通过实时推荐护理方案来帮助做出复杂的决策。
在第二项人工智能研究中，休斯顿贝勒医学院(Baylor College of Medicine)的研究人员测试了四种不同的机器学习模型来预测术后存活率肝移植。显示出预测生存率高精度的两种模型被称为随机林和Adaboost模型。领导作者罗兰Pettit，MD-PH.D。贝勒的候选人解释说，随机森林（RF）是一个集合学习方法，它结合了多个决策树的输出，并通过“多数赢”方法来预测结果。
这些模型总共考虑了324种疾病特征来确定存活率。佩蒂特说，最重要的因素是疾病的灵敏性和接受者的病程。
这项研究从器官共享联合网络数据库(United Network of Organ Sharing database) 1984年建立以来，选取了所有接受过一次肝脏移植的109,742名成年患者。RF模型在预测1个月、3个月、1年、3年和5年的生存率时，其准确率分别为80%、79%、75%和73%，报告为曲线下面积。其他模型都没有显示出超过70%的可预测性。
佩蒂特说:“这些模型最容易获得的应用将是用于监管，向临床医生提供关于他们过去一年的结果的即时反馈，以及他们和他们的中心与其他中心相比表现如何。”“能够准确地预测病人是否应该存活，这对于准确地提供反馈至关重要。”
他补充说，这种类型的人工智能模型也有潜力与电子病历系统和医生工作流程集成，以提供基准。他说:“用一个集成模型来实时预测肝移植等待名单上的每个病人，并确定每个病人活到1年、3年或5年的概率是非常容易的。”“这一步不是为临床医生做决定，而是增加一个进一步的临床辅助决策工具，为他们提供定量数据，用于器官分配决策。”
进一步探索
用户评论