اطلاعات ثبت شده در طول زمان در پرونده های پزشکی می گوید بیشتر در مورد بیماری های

پرونده الکترونیک سلامت (EHRs) حاوی اطلاعات مهم در مورد سلامت بیماران چشم انداز و مراقبت از آنها دریافت می کنند اما سوابق همیشه دقیق است. یک مطالعه جدید توصیف یک رویکرد است که با استفاده از یادگیری ماشین یک نوع از هوش مصنوعی به دقت پیگیری پرونده های بيماران در طول زمان در EHRs برای پیش بینی احتمال خود را از داشتن و یا در حال توسعه بیماری های مختلف. مطالعه led توسط محققان در بیمارستان عمومی ماساچوست (MGH) و منتشر شده است در سلول الگوهای.

“در طول دهه گذشته میلیاردها دلار صرف شده است به موسسه معنی استفاده از سیستم های EHR. برای بسیاری از دلایل این EHR داده ها هنوز هم پیچیده و فراوان مسائل مربوط به کیفیت است که آن را دشوار است به اهرم این داده ها به آدرس فشار دادن مسائل بهداشتی به خصوص در بیماری های همه گیر مانند COVID-19 زمانی که پاسخ سریع نیاز دارد” گفت: سرب نویسنده Hossein Estiri, دکترا, از MGH آزمایشگاه علوم کامپیوتر. “در این مقاله, ما پیشنهاد می کنیم یک الگوریتم برای بهره برداری از اطلاعات زمانی در EHRs است که تحریف شده توسط لایه های اداری و سیستم بهداشت و درمان فرآیندهای.”

استراتژی متصل اطلاعات از EHRs در بيماران داروها و تشخیص در طول زمان به جای مستقل از پرونده سلامت. تجزیه و تحلیل نشان داد که این ترتیبی رویکرد می تواند به دقت محاسبه احتمال که یک بیمار ممکن است در واقع یک بیماری زمینه ای.

“مطالعه ما تکیه می کند تنها کدهای تشخیصی اما در عوض متکی بر سلسله ای از کدهای با انتظار است که دنباله ای از ویژگی های مربوطه در طول زمان است که به احتمال زیاد برای نشان دادن واقعیت از یک تک عنصر” دکتر Estiri گفت. “علاوه بر این کامپیوتر انواع از طریق هزاران نفر از بیماران و می توانید توالی است که یک پزشک به احتمال زیاد هرگز شناسایی خود را به عنوان مربوطه اما در واقع مربوط به این بیماری هستند.”

به عنوان مثال بیماری عروق کرونر و به دنبال آن درد قفسه سینه در پزشکی ثبت شد بیشتر مفید برای پیش بینی توسعه از نارسایی قلبی بیش از هر کدام از این عوامل خود به خود و یا در یک جهت متفاوت است.

این روش می تواند در نتیجه شناسایی بیماری نشانگر است که تفسیری توسط پزشکان. این می تواند منجر به محاسباتی جدید مدل برای شناسایی و اعتبار جدید بیماری نشانگر و برای پیشبرد اکتشافات پزشکی. پیشنهاد راه فکر کردن در مورد سوابق پزشکی نیز می تواند کمک به شناسایی بیماران در یک جامعه که در معرض خطر ابتلا به انواع دیگر بیماری ها و توصیه های خود را ارزیابی توسط ارائه دهندگان مراقبت های بهداشتی.

###

سلب مسئولیت: AAAS و EurekAlert! مسئول صحت اخبار منتشر شده به EurekAlert! با کمک موسسات و یا برای استفاده از هر گونه اطلاعات از طریق EurekAlert سیستم.

tinyurlis.gdclck.ruulvis.netshrtco.de

Leave a reply

You may use these HTML tags and attributes: <a href="" title=""> <abbr title=""> <acronym title=""> <b> <blockquote cite=""> <cite> <code> <del datetime=""> <em> <i> <q cite=""> <s> <strike> <strong>