利用人工智能提供更好的电话医疗服务
在卫生保健中，分诊包括按紧急程度对患者进行分类，以便将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，这被认为是分类不足——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类系统中预测分类不足。他们的研究结果发表在本月的《科学》杂志上医学年鉴并可能改善全球范围内的电话分诊结果。
分流方案正在不断更新，以提高其性能，减少分流不足的比例。一种有前途的方法涉及到机器学习模型，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。基于医院的分类的机器学习模型最近已经开发出来，在预测适当的紧急程度方面比传统方法更好。
分诊也可以通过电话服务进行病人被告知他们应该有多迫切地寻求面对面的医疗保健。机器学习模型还没有开发出用于基于电话的分类，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它提供了下班后的工作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解释道。“我们开发了五种不同的机器学习模型，发现其中两种特别擅长预测数据中的分类不足。”
值得注意的是，这两家公司表现最好机器学习模型有一些重要的共同点。
该研究的资深作者田宫Nanako教授说:“这两个模型都确定了分类不足的相同风险因素:年龄较大，是男性，存在高血压或糖尿病等其他疾病，以及某些类别的疾病，如普通感冒症状。”“这些风险因素可以用来更新电话分诊方案，以改善患者的结果。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方案。”
由于电话分诊需要很长时间，而且相对难以做好，任何可以加快这一过程和/或提高其准确性的因素都会受到医学界的欢迎。优先考虑的风险因素在目前的研究中确定，将有助于降低低分诊率，并可能加快电话-伤检分类的过程。基于手机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并改善患者的结果。
