AI篩查了臨床抑郁癥的人群和亞組

小編發(fā)現(xiàn)不少朋友對于 AI篩查了臨床抑郁癥的人群和亞組 這方面的信息都比較感興趣，小編就針對 AI篩查了臨床抑郁癥的人群和亞組 整理了一些相關方面的信息 在這里分享給大家。

一項發(fā)表在《醫(yī)學互聯(lián)網(wǎng)研究》雜志上的研究表明，機器學習算法可以梳理人群級別的患者數(shù)據(jù)庫，以找到可能通過抑郁癥治療受益的人。

印第安納大學和印第安納波利斯再生研究所的研究人員在全州范圍內(nèi)的健康信息交換(HIE)中使用了數(shù)據(jù)，證明了這一概念，該數(shù)據(jù)包括各種健康指標和醫(yī)學史。

指標包括診斷，行為和人口統(tǒng)計類別。

Suranga Kasthurirathne博士及其同事將HIE數(shù)據(jù)集與從臨床醫(yī)生的報告和注釋中的非結構化自由文本數(shù)據(jù)集中提取的結果變量進行了合并。

利用這些混合的輸入，該團隊訓練了隨機森林決策模型，以預測整個患者群體(超過84,000名成年人)中臨床抑郁癥的發(fā)生率，以及因抑郁癥而出現(xiàn)不良事件的風險較高的患者人群中。

他們發(fā)現(xiàn)將近7,000名患者(占研究隊列的8.29%)可能需要對抑郁癥進行高級護理。

雖然總體患者群體模型的曲線下面積(AUC)為實心區(qū)域，但中等水平，為78.87%，而高危亞組的模型的AUC得分為86.31%至94.43%。

從這些結果中，作者得出結論，他們基于AI的方法顯示出“實現(xiàn)預防保健的巨大潛力，可以輕松地集成到現(xiàn)有的臨床工作流程中，以改善對環(huán)繞式醫(yī)療服務的訪問。”

在Regenstrief Institute發(fā)表的新聞中，Kasthurirathne說，雙模式功能可以在兩個不同的人口水平上搜索數(shù)據(jù)庫，這可能會為醫(yī)療保健系統(tǒng)提供選擇最佳的抑郁癥篩查方法的選擇。

他補充說：“也許他們沒有計算或人力資源來為每位患者運行模型。” “這使他們可以選擇篩選高?；颊?rdquo;，以轉介至初級保健醫(yī)生。