Informationen über die Zeit protokolliert, die in medizinischen Aufzeichnungen erzählt mehr über Krankheiten
Electronic health records (EHRs) enthalten wichtige Informationen über die Gesundheit der Patienten, outlook und der Pflege, die Sie erhalten, aber die Datensätze sind nicht immer präzise. Eine neue Studie beschreibt einen Ansatz, der verwendet maschinelles lernen, eine Art von künstlicher Intelligenz, sorgfältig zu verfolgen, Patienten medizinische Aufzeichnungen über die Zeit in EHR-Systemen zu prognostizieren, deren Wahrscheinlichkeit des habens oder der Entwicklung von verschiedenen Krankheiten. Die Studie führte durch Forscher am Massachusetts General Hospital (MGH) und erscheint in Zelle Muster.
„In den vergangenen zehn Jahren Milliarden von Dollar wurden ausgegeben, um Institut sinnvoller Einsatz von EHR-Systemen. Für eine Vielzahl von Gründen, aber, EHR-Daten sind noch komplexer und haben genügend Qualität Probleme, die es schwierig machen, zu nutzen, diese Daten zur Bewältigung dringlicher Fragen der Gesundheit, vor allem während der Pandemien wie COVID-19, wenn schnelle Reaktionen erforderlich sind,“, sagte führen Autor Hossein Estiri, Ph. D., von der MGH-Labor der informatik. „In diesem Papier schlagen wir vor, einen Algorithmus für die Nutzung der zeitlichen information in den EHR-Systemen, das verzerrt ist durch Schichten von Verwaltungs-und healthcare-system-Prozesse.“
Die Strategie verbindet Informationen von EHR-Systemen und Patienten Medikamente und Diagnosen über die Zeit, als vielmehr von unabhängigen Gesundheits-Aufzeichnungen. Analysen haben gezeigt, dass in diesem sequenziellen Ansatz kann genau berechnen die Wahrscheinlichkeit, dass ein patient tatsächlich eine zugrunde liegende Erkrankung.
„Unsere Studie sich nicht auf eine einzige Diagnose-codes, sondern verlässt sich auf Sequenzen von codes mit der Erwartung, dass eine Sequenz von relevanten Merkmalen über die Zeit ist eher die Realität als ein einzelnes element,“ Dr. Estiri sagte. „Darüber hinaus ist der computer sortiert durch Tausende von Patienten und finden Sequenzen, die ein Arzt würde wahrscheinlich nie identifizieren, auf Ihre eigenen als relevant, aber tatsächlich sind im Zusammenhang mit der Krankheit.“
Als ein Beispiel, koronare Herzkrankheit, gefolgt von Schmerzen in der Brust in der medizinischen Rekord war mehr nützlich für die Vorhersage der Entwicklung der Herzinsuffizienz als eine der Faktoren, die auf Ihren eigenen oder in einer anderen Reihenfolge.