正确的方式为最脆弱的患者群体构建预测模型

本文是基于一个2020年医疗分析峰会(有20虚拟)演讲题为“社会决定因素,机器学习和数据对人口健康的选择”特里H Steinberg博士、MBA、FACP健康信息总监,副总裁人口卫生信息学,ChrisitanaCare,和杰森·琼斯博士,首席数据科学家,健康的催化剂。世界杯葡萄牙vs加纳即时走地

使用人工智能(AI)和,具体来说,预测模型来识别最脆弱的患者群体是一个战略方法管理人口健康计划。分类患者根据风险水平和识别的需要,卫生系统团队成员可以执行宣传和干预措施,最大限度地提高病人护理的质量和预测模型的有效性。

建立一个成功的模型需要正确的技术堆栈,人类的监督和干预,最重要的是,燃料的机器质量数据。差距在数据收集中,数据源的类型,和有限的系统可以使数据组件之间的互操作性最具挑战性和耗时的拼图的人工智能。把前期投入相当的时间和资源管理和理解数据使组织能够更容易地构建人工智能预测模型来支持他们的人口健康的努力。

确定数据来源最大的可预测性

组织访问数百个,数据点的各种sources-EMRs,健康信息交流(麻疹)声称,健康问题社会决定因素等等这些来源通常有重叠的数据。彻底理解所需的模型和结果允许团队成员为零利用最好的数据源。

重要的是要注意,更多并不总是更好的,压倒性的模型与不必要的数据点会导致混乱和难以维护。目标应该是建立最简单的模型与最大的预测能力。

建筑模型本身相当简单相比,数据管理组件。因此,数据科学家应该避免迫使模型构建和用于一个组织在其他地方工作。患者群体、数据收集方法、数据来源和更多的从一个卫生系统到另一个可以有很大的差异,呈现“回收”模式无用的在一个新的环境。数据用户在每个组织必须决定他们的类型的数据,来源,和想要的结果。

技术需求预测模型

的输入和输出数据预测的人工智能模型需要一定的技术。除了平台由卫生系统内部使用,病世界杯厄瓜多尔vs塞内加尔波胆预测人综合工具,如会员门户和生物识别设备,可以提供有意义的数据,帮助部分人群可能是糟糕的结果的风险。人口健康电子病历优化提供AI-generated建议直接到现有的工作流程创建一个无缝体验,让团队成员提供更多及时的护理。

后端,数据和分析平台,可以从所有来源聚合数据是另一个必备的技术堆栈。世界杯厄瓜多尔vs塞内加尔波胆预测一个健壮的数据平台可以执行业世界杯厄瓜多尔vs塞内加尔波胆预测务逻辑,使其可操作的,提供视觉吸引力仪表板了解金融和临床表现,并执行重要的预测人口健康管理。

最后,一个互操作性平台,允许信息自由流动系统之间是至关重世界杯厄瓜多尔vs塞内加尔波胆预测要的。举个例子,一个开放的平台就像健康的催化剂世界杯葡萄牙vs加纳即时走地世界杯厄瓜多尔vs塞内加尔波胆预测数据操作系统(DOS™)使卫生系统提取数据从各种各样的源系统和总不同的数据集使用healthcare-specific术语。结果是强大的分析和见解,预测模型的支持。

通知人力监督干预措施

机器是伟大的在识别模式和运行时计算,他们不代替推理,逻辑,和干预,团队成员必须执行。人类监督和输入是至关重要的在确定数据集和可用资源并为每个定义适当的拓展或干预的结果或患者人群。机器的输出并不确定的下一个步骤只允许更明智的风险分层和识别病人接触的机会。

对人口健康完美的预测模型

令人惊讶的是,一个成功的预测人工智能模型随着时间的推移会出现降解。新推出的模型可能识别大患者群体是有危险的。但是,随着时间的推移,当搭配一个有效的干预,这一模式将会出现不正确的。

例如,一个模型可能说患者再入院的危险。作为回应,护理团队将适当的干预和阻止了重新接纳。突然,好像模型实际上是错误的,因为病人没有再次入院。当发生这种脱节时,预测模型用户需要捕获的干预措施和理解性能下降的原因。

机器可以帮助区分低性能结果是否与不可预测性由于数据或风险水平变化,还是由于正确实施干预。如果是后者是正确的,那么球队树立了一个成功的榜样。

正确的组合的数据、技术和技巧

构建成功的预测模型对人口的健康需要正确的数据,结合技术和人工干预。旅途中需要不断的学习,理解数据推动的结果,和优化模型和干预最有预测力的性能和最佳的护理质量。

更多的阅读

你想了解更多关于这个主题?这里有一些文章我们建议:

1. 人工智能和机器学习在医疗保健:四个真实的改进
2. 三个键来改善医院病人流与机器学习
3. 人工智能医疗:更快地找到正确的答案
4. 机器学习工具解锁最关键的见解从非结构化的健康数据
5. 维护人工智能医疗的伦理:三个最佳实践

---

幻灯片

你想使用或分享这些概念?下载表示强调的关键要点。

点击这里下载幻灯片

正确的方式为最脆弱的患者群体构建预测模型从世界杯葡萄牙vs加纳即时走地