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(guān)方面的信息 在這里分享給大家。

一項發(fā)表在《醫(yī)學(xué)互聯(lián)網(wǎng)研究》雜志上的研究表明，機器學(xué)習(xí)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(xué)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(biāo)和醫(yī)學(xué)史。

指標(biāo)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(jié)構(gòu)化自由文本數(shù)據(jù)集中提取的結(jié)果變量進(jìn)行了合并。

利用這些混合的輸入，該團隊訓(xùn)練了隨機森林決策模型，以預(yù)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(fēng)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(jìn)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(jié)果中，作者得出結(jié)論，他們基于AI的方法顯示出“實現(xiàn)預(yù)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(wù)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(zhuǎn)介至初級保健醫(yī)生。