机器学习预测个体患者阿片类药物使用障碍的风险
多亏了艾伯塔省的一组研究人员，临床医生和政策制定者可能会从人工智能中获得帮助来预测阿片类药物使用障碍。
研究人员创建并测试了一种机器学习模型，该模型通过分析人口层面的行政健康数据，可靠地预测个体患者患这种疾病的风险。每次患者与医疗保健系统交互时都会创建管理健康数据——例如，通过看医生、进行诊断测试、入院或开处方。
据美国疾病控制和预防中心称，阿片类药物使用障碍是一种可治疗的慢性疾病，患者无法控制其阿片类药物的使用，导致工作或家庭困难，有时甚至过量和死亡。截至今年 8 月底，艾伯塔省有 976 人与阿片类药物相关的死亡。患有阿片类药物使用障碍的人最初是通过控制疼痛的处方或通过非法药物市场接触到这些药物的。
预测有助于预防
“大约四分之一的阿片类药物使用者会出现阿片类药物使用障碍，8% 到 12% 的慢性疼痛处方阿片类药物会出现 OUD;因此，预测和预防这一人群的 OUD 是减少伤害工作的关键，”研究人员报告说在他们的论文中。
“这些人中的大多数人在被诊断之前都与卫生系统进行过互动，这为我们提供了可以让我们预测并可能预防某些病例的数据，”首席研究员、加拿大计算精神病学研究主席曹博说。精神病学教授。
机器学习模型分析了 2014 年至 2018 年间接受阿片类药物处方的近 700,000 名艾伯塔省患者的健康数据，交叉参考了 62 个因素，例如医生和急诊室就诊次数、诊断和社会人口统计信息。
研究小组发现阿片类药物使用障碍的主要风险因素包括阿片类药物使用频率、高剂量和其他物质使用障碍史等。他们确定该模型在针对 2019 年的 316,000 名患者的新样本进行验证时，预测高风险患者的准确率为 86%。
预测可能性，而不是标签
“重要的是，该模型对某人是否会患上阿片类药物使用障碍的预测被解释为一种风险而不是标签，”第一作者、精神病学博士后杨柳说。“这是交到临床医生手中的信息，他们实际上正在做出诊断。”
曹说，该模型的下一阶段测试将在真实的临床环境中进行，涉及临床医生和有阿片类药物使用障碍生活经验的人。
“大多数时候临床医生都很忙，可能没有时间查看每个人的健康数据，”曹说。“这个模型将帮助临床医生根据全面的现有数据做出最有依据的决策。这就是它背后的动机。”
曹的研究团队使用机器学习模型根据脑部扫描和认知数据预测精神分裂症和双相情感障碍。这是他们第一次使用行政健康数据。曹说，除了帮助临床医生识别高危患者外，该模型还可以帮助决策者为需求更高的地区规划医疗资源。
该研究发表在加拿大精神病学杂志上。
版权声明：本文由用户上传，如有侵权请联系删除！