El aprendizaje automático, un campo de inteligencia artificial que utiliza técnicas estadísticas para permitir que los sistemas informáticos 'aprendan' de los datos, puede usarse para analizar registros electrónicos de salud y predecir el riesgo de ingresos hospitalarios de emergencia, un nuevo estudio de The GeorgeEl Instituto de Salud Global de la Universidad de Oxford ha encontrado.
La investigación, publicada en la revista Medicina PLOS , sugiere que el uso de estas técnicas podría ayudar a los profesionales de la salud a controlar con precisión los riesgos a los que se enfrentan los pacientes y establecer medidas para evitar ingresos no planificados, que son una fuente importante de gasto en atención médica.
'Hubo más de 5,9 millones de ingresos hospitalarios de emergencia registrados en el Reino Unido en 2017, y una gran proporción de ellos fueron evitables', dijo Fatemeh Rahimian, ex científico de datos del Instituto George del Reino Unido, que dirigió la investigación.
'Queríamos proporcionar una herramienta que permitiera a los trabajadores de la salud monitorear con precisión los riesgos que enfrentan sus pacientes y, como resultado, tomar mejores decisiones sobre la detección del paciente y la atención proactiva que podría ayudar a reducir la carga de los ingresos de emergencia'.
El estudio, de 4,6 millones de pacientes entre 1985 y 2015, se realizó utilizando registros de salud electrónicos vinculados del Enlace de datos de investigación de práctica clínica del Reino Unido. Se tuvo en cuenta una amplia gama de factores, incluidos la edad, el sexo, el origen étnico, el estado socioeconómico, la familiahistorial, factores de estilo de vida, comorbilidades, medicación y estado civil, así como el tiempo transcurrido desde el primer diagnóstico, el último uso del sistema de salud y las últimas pruebas de laboratorio.
Utilizando más variables combinadas con información sobre su cronometraje, se encontró que los modelos de aprendizaje automático proporcionan una predicción más sólida del riesgo de ingreso hospitalario de emergencia que cualquier modelo utilizado anteriormente.
"Nuestros hallazgos muestran que con grandes conjuntos de datos que contienen información rica sobre individuos, los modelos de aprendizaje automático superan a uno de los mejores modelos estadísticos convencionales", dijo Rahimian. "Creemos que esto se debe a que los modelos de aprendizaje automático capturan y" aprenden "automáticamente de las interaccionesentre los datos que no conocíamos anteriormente '.
Si los modelos de aprendizaje automático pueden conducir a mejoras igualmente fuertes en la predicción de riesgos en otras áreas de la medicina requiere más investigación.
El estudio de The George Institute UK fue financiado por el programa de Medicina Profunda de la Escuela Oxford Martin.
Fuente de la historia :
Materiales proporcionado por Universidad de Oxford . Nota: El contenido puede ser editado por estilo y longitud.
Referencia del diario :
Cita esta página :