深度学习模型利用EHR数据来预测疾病结果

按照JAMA Network Open颁发的一项研究，旧金山的一组研究职员开拓了一种EHR驱动的深度进修模子，该模子可以或许精确猜测类风湿性枢纽炎(RA)患者的预后。
 

第一作者Beau Norgeot，MS和同事的方针是成立一个可以行使EHR数据猜测伟大疾病功效的精确AI模子，因此RA是他们举办预后研究的天然选择。美国风湿病学会的数据表现，有42%的患有这种疾病的患者在前次就诊时具有中等或较高的疾病勾当性，并且因为每个患者的疾病轨迹都差异，因此很难找到一种全面的RA治疗要领。

加利福尼亚大学旧金山分校的诺杰特说：“相识患者的将来状况将使大夫可以或许定制当前的治疗方案，以防备疾病恶化，但要猜测将来的状况必要伟大的建模和信息。”在JAMA中。“假如乐成，则可以在临床每次会见时以本性化的方法在临床上行使猜测疾病勾当的手段来奉告治疗的起劲性。”
 

研究职员行使来自两个差异EHR的差异医疗体系的数据开拓了一种新奇的深度进修模子：大学医院(UH)和民众安详网医院(SNH)。这项研究表白，两家机构的患者人数和治疗方法都大不沟通。

从2012年1月开始，UH提供了高出一百万个奇异的患者记录，而从2013年1月开始，SNH拥有了65,000个患者的记录。从EHR中提取布局化数据，包罗药物，生齿统计学，尝试室和疾病勾当的先前怀抱，并成立一个纵向模子来猜测RA患者下次风湿病门诊时的疾病勾当。

该研究共包罗578名UH患者和242名SNH患者。在UH接管治疗的患者比在SNH接管治疗的患者更为频仍(两次就诊之间相隔100天，而180天为两次)，而且被更频仍地开具更高级此外药物。
 

在UH，该团队的深度进修模子在116名患者的测试行列中到达了吸取器事变特性曲线(AUROC)下方0.91的地区，这一有益功效在117名患者的SNH行列中再次举办测试时如故创立。尽量基线特性差异，但颠末UH实习的模子在SNH患者中实现的AUROC为0.74。

作者说，他们的研究功效表白深度进修模子可以在仅数百名患者的行列中乐成举办实习，以精确猜测伟大的疾病下场，他们的事变证明白这些模子可以推广。他们如故认可，在SNH行列中其功效的精确性较差。

他们写道：“鉴于这些中心患者的生齿统计学和社会抉择身分存在很多差别，我们以为该模子具有显著高于随机性的成果如故很有但愿。” 通过思量不高出每个患者病史的最近一年，但应承患者具有四个月的病史，假如将来的前瞻性研究证明，该模子也许对患者的全部照顾护士阶段都具有适用性。

“尽量风湿病专家必需在一次会见中综合以做出决定的数据量就很大而且还在增进，可是本文泛起的功效表白，在不久的未来行使人工智能模子来帮助猜测使命是有但愿的。”

（编辑：湖南网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!