机器学习模型帮助医生预测患者的阿片类药物处方风险

阿尔伯塔大学的研究人员正在使用一种人工智能来帮助医生更好地预测哪些患者有阿片类药物处方不良后果的风险。

在新发表的研究中，合作团队创建了一个机器学习模型，以估计在填写阿片类药物处方后30天内急诊就诊，住院或死亡的风险。机器学习允许计算机在大量数据中找到模式，随着时间的推移，随着它们不断验证和使用更新的信息进行重新训练，它们变得更加准确。

该模型将药房数据与行政健康数据交叉引用 - 每次患者与医疗保健系统互动时创建的记录，从急诊科和医生就诊到血液检查和扫描。他们追踪了853年和324年2018，2019名成年艾伯塔人的匿名记录，当时填写了6，181，025个阿片类药物处方，报告了77，326个不良事件。

医生遵循指导方针来确定哪些患者风险较高，但他们不会抓住每个人，因为他们通常信息有限，根据流行病学家兼公共卫生学院教授Dean Eurich的说法。

“机器学习可以将我们将要研究的变量数量从几十个扩展到5个，因此我们可以依靠你的实验室，你的住院，你的医生就诊，你过去服用的药物 - 所有这些信息现在可以放入模型中，以预测你在频谱中的位置，即低风险或高风险的不良结果。“尤里奇解释道。

“人类的大脑无法同时处理那么多信息。

拯救生命，省钱

该模型是与健康信息公司Okaki和阿尔伯塔省内科医生和外科医生学院合作创建的，他们作为跟踪处方计划的管理员负责阿片类药物处方的日常监测，这是为减缓正在进行的阿片类药物危机所做的众多努力之一，这场危机在1346年夺走了2022名艾伯塔人的生命。

Eurich报告说，该模型预测不良患者结果的准确率为90%。他希望在六个月内采取下一步研究，实时实施和测试该模型，作为学院监控系统的一部分。

对于高风险患者的医生，将收到通知，以便他们可以选择开不同的药物，给予较小的剂量或更密切地随访患者。

“这是一个工具，可以帮助临床医生管理非常复杂的患者，并帮助患者从他们的治疗中获得更好的结果，”Eurich说。

Eurich还使用机器学习程序通过分析健康数据来回答其他人群健康问题，包括为什么糖尿病患者比普通人群更容易感染COVID-19，以及为什么有些人最终进入重症监护室而其他人则没有。

“艾伯塔省拥有世界上最好的健康数据集，因此我们希望确保我们充分利用它们的潜力，”尤里奇说。

“这确实给了我们改变患者结果的最佳机会，通过向卫生系统本身学习并采取干预措施。

　　免责声明：本文由用户上传，与本网站立场无关。财经信息仅供读者参考，并不构成投资建议。投资者据此操作，风险自担。 如有侵权请联系删除！