使用人工智能更好的电话医疗保健
在医疗保健中，分诊涉及按紧急程度对患者进行分类，以便优先考虑最紧急的患者接受护理。当患者被分配到比他们真正需要的不那么紧急的类别时，它被认为是分类不足——并可能产生致命的后果。现在，来自日本的研究人员开发了一种基于计算机的方法，用于预测基于电话的分诊系统中的分诊不足。他们的研究结果于本月发表在《医学年鉴》上，可能会改善全球的电话分诊结果。
分类协议不断更新，以提高其性能并降低分类不足的比例。一种有希望的方法是机器学习模型，它是基于计算机的程序，它使用训练数据集来寻找模式，然后可以根据他们已经学会识别的模式对新数据进行预测。最近开发了用于医院分诊的机器学习模型，并且在预测适当的紧急程度方面优于传统方法。
分诊也可以通过电话服务进行，患者会被告知他们应该在多大程度上紧急寻求面对面的医疗保健。尚未为基于电话的分类开发机器学习模型，筑波大学的研究人员决定解决这个问题。
“我们使用了一家私营公司的数据，该公司使用基于电话的分诊系统提供下班后的医疗服务，”该研究的主要作者、副教授 Ryota Inokuchi 解释说。“我们开发了五种不同的机器学习模型，发现其中两种特别擅长预测数据中的分类不足。”
值得注意的是，这两个表现最好的机器学习模型有一些共同的重要特征。
“两种模型都确定了分诊不足的相同风险因素：年龄较大、男性、存在高血压或糖尿病等其他疾病，以及某些类别的投诉，如普通感冒症状，”该研究的资深作者 Nanako Tamiya 教授说. “这些风险因素可用于更新电话分诊协议以改善患者结果此外，我们的机器学习方法可用于全球评估和改进电话分诊协议。”
由于电话分诊可能需要很长时间并且相对难以做好，任何可以加快流程和/或提高其准确性的因素都会受到医学界的欢迎。优先考虑本研究中确定的风险因素将有助于降低分类不足率，并可能加快电话分类过程。鉴于基于电话的医疗保健越来越普遍，尤其是在 COVID-19 之后，改进的协议可以挽救许多生命并改善患者的治疗效果。
版权声明：本文由用户上传，如有侵权请联系删除！