机器学习可以帮助优化每个患者个人的选择过程

医院分级和评级系统可能对许多计划择期手术的患者有所帮助。但是，新发现表明，即使在质量评分始终很高的医院中，从一个患者到下一个患者，其结局和费用也可能相差很大。

这项研究还表明，机器学习可以帮助优化每个患者个人的选择过程。这项工作是由麻省理工学院和密歇根大学的行业研究人员及其同事进行的。它发表在《医学互联网研究》杂志上。

医学博士Mohammed Saeed和共同研究人员回顾了2018年大芝加哥地区4，200例髋关节置换患者的病历。研究小组分析了术后90天的结果和费用不一致的数据。

正如许多患者在考虑在何处进行手术时所做的那样，研究人员研究了多种来源的医院评分。这些包括基于互联网的消费者评分，质量星级，声誉排名，平均年度手术量和平均结果率。

他们还分析了由机器学习算法汇编的排名。这些培训针对具有相似特征和良好结局的先前患者进行了个性化的提供者匹配培训。

事实证明，只有不超过四分之一的患者在结果方面与更高级别的医院相匹配，而只有不到一半的患者在成本上达到最佳。

消费者评分，高品质明星和机器学习始终与更好的结果和成本相一致，并且在基于机器学习的排名的所有评分方法和分析中，改进都是最令人印象深刻的。

“ ［一种］基于精确导航的个性化方法，在各个医院的背景下使用随时可用的数据来表征患者的医疗复杂性，可能会显着改善治疗效果，同时降低总体护理成本，”作者在讨论中评论道。 。

Saeed和合著者总结说：“通过广泛的排名方法，可能有大量机会增加与适当医院匹配的患者人数。”“在根据患者特定的机器学习对患者进行匹配的医院中进行的髋关节置换手术具有更好的结果和更低的总护理费用。”

这项研究的六位合著者中有五位隶属于Scale Corp.的Health，该公司销售该研究中使用的机器学习软件。

责任编辑：lq