摘要
深度神经网络模型有助于预测老年人的医疗保健访问，有可能挽救数百万人的生命。
一个深度神经网络模型有助于预测老年人的医疗保健访问，有可能挽救数百万人的生命。
如果医疗服务提供者能够准确预测他们的服务将如何使用，他们可以节省大量的钱，而不必分配不必要的资金。
深度学习人工智能模型可以很好地预测未来的行为，芬兰的研究人员已经开发出一种模型，可以预测老年人何时以及为什么会使用医疗服务。
芬兰人工智能中心(FCAI)、阿尔托大学(Aalto University)、赫尔辛基大学(University of Helsinki)和芬兰卫生福利研究所(THL)的研究人员开发了一种所谓的风险调整模型来预测老年人在医疗中心或医院寻求治疗的频率。
结果表明，新模型比常用的传统回归模型更准确，可以可靠地预测多年来情况的变化。
风险调整模型利用前几年的数据，公平有效地分配医疗资金。这些模式已经在德国、荷兰和美国等国家使用。然而，这是第一次证明深度神经网络有潜力显著提高此类模型的准确性。
阿尔托大学(Aalto University)和FCAI的助理教授佩卡•马提宁(Pekka Marttinen)说:“如果没有一个风险调整模型，那些病人比普通人更经常生病的医疗服务提供者将受到不公平的对待。”老年人就是一个很好的例子。该模型的目标是在做出资助决策时考虑到患者群体之间的这些差异。
该研究论文的主要作者、阿尔托大学(Aalto University)和FCAI的博士生Yogesh Kumar表示，研究结果表明，深度学习可能有助于设计更准确、更可靠的风险调整模型。库马尔指出，拥有一个精确的模型有可能节省数百万美元。
研究人员通过使用来自THL初级卫生保健访问记录的数据来训练模型。这些数据包括每位65岁或以上的芬兰公民的门诊信息。这些数据已被假名化，这意味着无法确定个人身份。
这是研究人员第一次使用这个数据库来训练一个深度机器学习模型。结果表明，为了得到可靠的结果，训练深度模型并不一定需要庞大的数据集。相反，新模型比简单的、基于计数的模型工作得更好，即使它只使用了所有可用数据的十分之一。换句话说，即使使用相对较小的数据集，它也能提供准确的预测，这是一个了不起的发现，因为获取大量的医疗数据总是很困难。
“我们的目标不是将这项研究中开发的模型付诸实践，而是将深度学习模型的特点与现有模型结合起来，将两者的优点结合起来。”未来的目标是利用这些模型来支持决策，并以更合理的方式分配资金。
这项研究的意义并不局限于预测老年人去医疗中心或医院的频率。相反，据库马尔说，研究人员的工作很容易在许多方面得到扩展，例如，只关注被诊断出需要昂贵治疗的疾病的患者群体或全国各地的医疗中心。
来源：Medindia
此文系悬壶济世网原创整理，没有授权，请勿转载！
