人工智能可以幫助對(duì)有呼吸道癥狀的初級(jí)保健患者進(jìn)行分類(lèi)和分類(lèi)

來(lái)自冰島的研究人員訓(xùn)練了一個(gè)具有人工智能的機(jī)器學(xué)習(xí)模型，以便在患者前往初級(jí)保健診所之前對(duì)有呼吸道癥狀的患者進(jìn)行分類(lèi)。

為了訓(xùn)練機(jī)器學(xué)習(xí)模型，研究人員僅使用了患者在就診前可能會(huì)被問(wèn)到的問(wèn)題。信息是從 1,500 份臨床文本注釋中提取的，其中包括醫(yī)生對(duì)患者癥狀和體征的解釋?zhuān)约霸跁?huì)診期間做出臨床決定的原因，例如影像轉(zhuǎn)診和處方。

根據(jù)臨床記錄中的信息，患者被分為五個(gè)診斷類(lèi)別之一。來(lái)自冰島首都地區(qū)所有初級(jí)保健診所的患者都包括在內(nèi)。該模型在兩個(gè)外部數(shù)據(jù)集中對(duì)每位患者進(jìn)行評(píng)分，并將患者分為 10 個(gè)風(fēng)險(xiǎn)組。然后，研究人員分析了每組的選定結(jié)果。

與較高風(fēng)險(xiǎn)組相比，風(fēng)險(xiǎn)組 1-5 中的患者更年輕，肺部炎癥發(fā)生率較低，在初級(jí)和急診護(hù)理中接受重新評(píng)估的可能性較小，接受抗生素處方或胸部 X 光轉(zhuǎn)診的可能性較小第 6-10 組。最低的五組沒(méi)有胸部 X 光片顯示肺炎跡象或醫(yī)生診斷為肺炎。研究人員得出結(jié)論，該模型可以通過(guò)消除風(fēng)險(xiǎn)組 1-5 中的胸部 X 光轉(zhuǎn)診數(shù)量來(lái)減少它們。

我們所知道的：

呼吸道癥狀是人們?nèi)タ闯跫?jí)保健臨床醫(yī)生的常見(jiàn)原因。然而，他們的許多癥狀是自我解決的。研究人員認(rèn)為，在咨詢(xún)醫(yī)生之前對(duì)患者進(jìn)行分類(lèi)可能會(huì)減少不必要的診斷測(cè)試;醫(yī)療保健費(fèi)用;以及抗生素的過(guò)度使用，這會(huì)導(dǎo)致更大的細(xì)菌耐藥性。

這項(xiàng)研究增加了什么：

研究人員發(fā)現(xiàn)，機(jī)器學(xué)習(xí)模型可以有效地將患者分為 10 個(gè)風(fēng)險(xiǎn)組，使臨床醫(yī)生能夠以不增加繁重工作日程的方式與低風(fēng)險(xiǎn)患者進(jìn)行交流，并允許他們照顧高風(fēng)險(xiǎn)患者和有嚴(yán)重呼吸道癥狀者。該團(tuán)隊(duì)斷言，機(jī)器學(xué)習(xí)模型可以降低患者、醫(yī)療保健系統(tǒng)和社會(huì)的成本。

標(biāo)簽：