机器学习程序根据常规医院检测结果预测死亡风险

如果您曾经入院或去过急诊室，您可能已经进行了心电图或ECG，这是一种标准测试，涉及贴在胸部的微小电极，用于检查您的心律和电活动。

医院的心电图通常由医生或护士在床边阅读，但现在研究人员正在使用人工智能从这些结果中收集更多信息，以同时改善您的护理和医疗保健系统。

在最近发表的研究结果中，研究小组基于 1 年至 6 年期间对艾伯塔省北部 244，077 名患者进行的 2007 万次心电图构建和训练机器学习程序。

该算法预测了每个患者在一个月内、一年和五年内因各种原因的死亡风险，准确率为85%，将患者从最低风险到最高分为五类。当包括人口统计信息(年龄和性别)和六个标准实验室血液测试结果时，预测更加准确。

这项研究是一个概念验证，使用常规收集的数据来改善个人护理，并允许医疗保健系统“学习”，根据首席研究员Padma Kaul，医学教授和加拿大VIGOUR中心的联合主任。

“我们想知道我们是否可以使用人工智能和机器学习等新方法来分析数据并识别死亡风险较高的患者，”Kaul解释说。“这些发现说明了如何利用机器学习模型将临床实践中常规收集的数据转换为可用于增强护理点决策的知识，作为学习医疗保健系统的一部分。

如果您有高血压或心脏病症状，如胸痛、呼吸急促或心律不齐，临床医生会订购心电图。研究的第一阶段检查了所有患者的心电图结果，但Kaul和她的团队希望针对特定的患者亚组完善这些模型。他们还计划将预测重点放在全因死亡率之外，专门研究与心脏相关的死亡原因。

“我们有很大的推动力，看看我们如何利用人工智能来改善医疗保健的提供，”考尔说。她说，使用高性能计算的优势在于，与人类不同，它可以同时看到多个数据点的模式。“我们希望获取医疗保健系统产生的数据，将其转化为知识并将其反馈到系统中，以便我们能够改善护理和结果。这就是学习型医疗保健系统的定义。

　　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！