Электронные медицинские карты (ЭМК) содержат важную информацию о состоянии здоровья пациентов и получаемой ими помощи, но записи не всегда точны. Новое исследование описывает подход, который использует машинное обучение, разновидность искусственного интеллекта, для тщательного отслеживания медицинских записей пациентов с течением времени в электронных медицинских картах, чтобы предсказать их вероятность наличия или развития различных заболеваний. Исследование было проведено учеными из Массачусетской больницы общего профиля (MGH) и опубликовано в Cell Patterns.
"За последнее десятилетие миллиарды долларов были потрачены на внедрение систем EHR. Однако по множеству причин данные ЭУЗ по-прежнему являются сложными и имеют серьезные проблемы с качеством, что затрудняет использование этих данных для решения насущных проблем со здоровьем, особенно во время пандемий, таких как COVID-19, когда требуются быстрые ответные меры," сказал ведущий автор Хоссейн Эстири, доктор философии.D., Лаборатории компьютерных наук MGH. "В этой статье мы предлагаем алгоритм использования временной информации в EHR, которая искажается уровнями административных процессов и процессов системы здравоохранения."
Стратегия объединяет информацию из электронных медицинских карт о лекарствах и диагнозах пациентов с течением времени, а не из независимых медицинских карт. Анализ показал, что этот последовательный подход может точно рассчитать вероятность того, что у пациента действительно может быть основное заболевание.
"Наше исследование не опирается на отдельные диагностические коды, а вместо этого полагается на последовательности кодов с ожиданием, что последовательность соответствующих характеристик с течением времени с большей вероятностью будет отражать реальность, чем отдельный элемент," Доктор. Эстири сказал. "Кроме того, компьютер сортирует тысячи пациентов и может найти последовательности, которые врач, скорее всего, никогда не определит самостоятельно как релевантные, но которые на самом деле связаны с заболеванием."
Например, ишемическая болезнь сердца, сопровождаемая болью в груди в медицинской карте, была более полезной для прогнозирования развития сердечной недостаточности, чем любой из факторов сам по себе или в другом порядке.
Таким образом, этот метод может идентифицировать маркеры заболевания, которые могут интерпретироваться клиницистами. Это может привести к новым вычислительным моделям для идентификации и проверки новых маркеров болезней и для продвижения медицинских открытий. Предлагаемый способ размышления о медицинских записях также может помочь идентифицировать пациентов в сообществе, которые подвержены риску развития множества других заболеваний, и рекомендовать их оценку поставщиками медицинских услуг.