آخرین مطالب

مدل‌های هوش مصنوعی می‌توانند با استفاده از داده‌های HIE، خطر بستری شدن در بیمارستان برای COVID را پیش‌بینی کنند


کووید

اعتبار: دامنه عمومی Pixabay/CC0

همه‌گیری کووید-19 هم بر ضرورت و هم دشواری استفاده از داده‌های بالینی برای اطلاع‌رسانی به سیاست‌گذاری سلامت عمومی ایالتی و ملی تاکید کرده است. در یک مطالعه جدید، موسسه Regenstrief و محققان دانشگاه ایندیانا نشان می‌دهند که مدل‌های یادگیری ماشینی که با استفاده از داده‌های بالینی از تبادل اطلاعات سلامت در سراسر ایالت آموزش دیده‌اند، می‌توانند احتمال بستری شدن افراد مبتلا به این ویروس را در سطح بیمار پیش‌بینی کنند.

شان گرانیس، نویسنده ارشد این مطالعه، MD، MS، مؤسسه Regenstrief گفت: “ارائه داده های تولید شده توسط سیستم های مراقبت های بهداشتی و تصمیم گیری سلامت عمومی – نهادهایی که مدت ها جدا و مجزا بوده اند، بسیار چالش برانگیز بوده است.” معاون داده و تجزیه و تحلیل و استاد پزشکی خانواده در دانشکده پزشکی دانشگاه ایندیانا. کار ما نشان می‌دهد که چگونه می‌توانید مدل‌های AI (هوش مصنوعی) را برای استفاده ایمن از اطلاعات بالینی در تبادل اطلاعات سلامت برای حمایت از نیازهای بهداشت عمومی مانند پیش‌بینی استفاده از بیمارستان در عرض یک هفته و ظرف شش هفته پس از شروع عفونت کووید بسازید و به کار ببرید.

هنگامی که شرایط جدیدی که نیاز به واکنش سریع دارند، مانند ظهور omicron یا سایر انواع جدید، به وجود می‌آیند، زمانی که موارد کافی برای آموزش مدل‌ها وجود داشته باشد، می‌توان با اطمینان به داده‌های بالینی دسترسی پیدا کرد و آن‌ها را به این مدل‌های در دسترس متصل کرد تا پیش‌بینی‌های دقیق سلامت عمومی انجام شود و با ارزش ارائه شود. دکتر گرانیس گفت: بینش در مورد نیاز در سطح بیمار برای استفاده از منابع مراقبت های بهداشتی.

محققان از داده‌های بالینی 96026 فرد از همه 957 کد پستی در ایندیانا برای آموزش مدل‌های تصمیم‌گیری که استفاده از منابع مراقبت‌های بهداشتی را پیش‌بینی می‌کنند، استفاده کردند.

سورانگا کاستوری، نویسنده اول این مطالعه، دکترای دکترا، دانشمند تحقیقاتی موسسه Regenstrief گفت: از زمان شروع کووید-19، محققان، سیستم‌های مراقبت‌های بهداشتی، بخش‌های بهداشت عمومی و سایرین از مخازن داده‌های موجود و زیرساخت‌های اطلاعات سلامت برای تجزیه و تحلیل سریع استفاده کرده‌اند. و استادیار اطفال در دانشکده پزشکی IU. “یادگیری ماشینی در این تلاش ها بسیار ارزشمند بوده است.”

او افزود: «اما هر مدلی فقط به اندازه داده هایی است که در آن گنجانده می شود. “داده های گسترده و قوی از شبکه ایندیانا برای مراقبت از بیمار، نماینده جمعیت ایالات متحده است. آنچه ما انجام داده ایم را می توان به عنوان پیشروی در مورد نحوه استقرار ابزارهای هوش مصنوعی در سراسر کشور با این هشدار مهم توصیف کرد که از هر مدلی استفاده می شود. باید از نظر انصاف در همه زیرجمعیت ها ارزیابی شود.”

شبکه ایندیانا برای مراقبت از بیمار (INPC)، یک تبادل اطلاعات بهداشتی منطقه ای که توسط موسسه Regenstrief توسعه یافته و توسط تبادل اطلاعات سلامت ایندیانا (IHIE) مدیریت می شود، بزرگترین مخزن داده های بالینی بین سازمانی کشور است و بیش از 14 میلیارد قطعه بیمار را در خود جای داده است. داده ها.

این تحقیق در نشریه منتشر شده است مجله تحقیقات اینترنتی پزشکی.


مطالعه آسم کودکان استفاده از داده های تبادل اطلاعات بهداشتی را برای علامت دادن به بیماری دوران کودکی نشان می دهد


اطلاعات بیشتر:
سورانگا ان کاستوری و همکاران، پیش‌بینی استفاده از منابع مراقبت‌های بهداشتی مرتبط با کووید-۱۹ در میان جمعیت بیماران سراسر ایالت: مطالعه توسعه مدل، مجله تحقیقات اینترنتی پزشکی (2021). DOI: 10.2196/31337

ارائه شده توسط موسسه Regenstrief

نقل قول: مدل‌های هوش مصنوعی با استفاده از داده‌های HIE (۲۰۲۲، ۲۶ ژانویه) که در ۲۶ ژانویه ۲۰۲۲ از https://medicalxpress.com/news/2022-01-ai-individual-hospitalization-covid-hie.html بازیابی شده‌اند، می‌توانند خطر بستری شدن در بیمارستان را پیش‌بینی کنند

این برگه یا سند یا نوشته تحت پوشش قانون کپی رایت است. به غیر از هرگونه معامله منصفانه به منظور مطالعه یا تحقیق خصوصی، هیچ بخشی بدون اجازه کتبی قابل تکثیر نیست. محتوای مذکور فقط به هدف اطلاع رسانی ایجاد شده است.