预测
一项发表在JAMA Network Open上的研究描述了一组基于电子病历数据的预测分析工具如何使用1岁之前收集的患者数据早期检测自闭症。这些工具的准确性得到了验证,可以帮助患者和家庭获得适当的行为支持和资源,从而提高治疗效果。
Corewell Health的卫生保健协调员分享了最近一项使用预测分析来预测风险和降低再入院率的举措,已经使200名患者避免再次入院,并节省了500万美元的成本。
一项新研究发现,基于人工智能的自动模式识别模型可以通过分析患者的头痛疼痛图来预测手术是否能够有效减轻神经压迫头痛的疼痛。这项研究使用了机器学习框架,训练模型自动处理和解释疼痛模式,预测手术反应。
约翰霍普金斯大学的研究人员开发了机器学习算法,可以检测谵妄的早期预警信号,并预测哪些患者在ICU住院期间将面临高风险。这项技术可以帮助医生更好地识别高风险患者,提高治疗效果。
预测模型在医疗领域越来越受欢迎,但是它们的准确性和能力仍然有待提高。本期HIMSSCast节目中,Steve Irvine解释了如何通过联邦学习技术来聚合数据,以帮助解决临床数据量不足的问题。
研究人员开发了一种机器学习干预措施,旨在预测癌症死亡风险并向提供者发送电子邮件和文本信息,以促进与高风险患者进行严重疾病谈话。
Needham&Co.的医疗科技产业分析师正在追踪20个选择性医疗程序的谷歌搜索趋势,他们认为这些趋势可能提供消费者对选择性医疗程序的兴趣水平的见解,也可能为医疗器械制造商提供预测数据点。
一项新研究开发了一种预测模型,旨在估计辅助生殖技术(ART)治疗期间尝试受精的最佳数量的未成熟卵子或卵母细胞。这项研究还探讨了美国最高法院推翻罗伊诉杰克逊妇女健康案后,冷冻胚胎的处理方式。
一项发表在JAMA Network Open上的研究发现,利用机器学习模型可以准确估计阿片类药物不良反应风险,这有助于加强阿片类药物监管和处方药物监测计划(PDMP)。
一项发表在《科学报告》上的研究发现,机器学习模型和传统方法在预测高血压发病率方面表现相似,表明基于机器学习的风险预测模型可以准确预测高血压。该研究比较了不同预测模型的性能,包括传统的Cox比例风险回归模型和五种机器学习模型。研究结果表明,这些模型的预测准确性都很高。