利用大数据和机器学习减少慢性病支出

 

糖尿病和心脏病是影响美国患者的两种最昂贵和最普遍的慢性疾病，导致医疗保健行业每年花费数十亿美元来治疗和管理这些疾病。

随着医疗服务不断从被动的疾病治疗发展到主动的预防性护理，越来越多的组织正在寻求人工智能和机器学习等先进技术，以帮助他们从大数据资源中得出可操作的结论。

“我们现在可以实时分析患者的情况，并描述每个人的状态和健康状况。”

Paschalidis指出，机器学习和人工智能方法在预测住院和再入院等事件方面将被证明是无价的，这两者都占了大量的医疗支出。

他说：“AHRQ的一项澳门威尼斯人注册网站研究估计，美国每年在本可以避免的住院治疗上花费约300亿美元。”

“这些费用中的大部分，大约50%，是由慢性病引起的。在这300亿美元中，大约30%是由心脏病造成的，另外20%是由糖尿病造成的。这些住院治疗本来可以通过更好的护理来预防，这笔钱本来可以花在其他需要的领域。”

为了帮助克服这些挑战并减少不必要的支出，Paschalidis正在与波士顿医疗中心（BMC）合作。

这两个组织将利用美国国家科学基金会（National Science Foundation）提供的一项为期三年、价值90万美元的拨款，开发机器学习算法，以识别心脏病或糖尿病风险较高的患者。澳门威尼斯人注册网站研究人员将利用这些算法对高危患者进行早期干预和个性化治疗。

Paschalidis说：“通过机器学习方法，我们可以处理大量数据，并检查预测未来结果所涉及的许多因素。”

“我们的目标是为个人提供个性化的预测和个性化的建议，以改善结果和降低成本。”

该项目将建立在Paschalidis和他的团队早期工作的基础上，他们使用患者的电子健康记录（EHRs）和机器学习来预测因糖尿病和心脏病而住院的情况。

使用这种方法，澳门威尼斯人注册网站研究小组发现他们可以提前一年预测住院治疗，准确率高达82%。

现在，Paschalidis和他的团队将利用电子病历和实时健康数据开发更全面的预测能力，包括来自可穿戴设备、植入式设备和家庭网络诊断设备的信息。

他说：“当我们使用可以查看200个变量而不是5到6个变量的机器学习方法时，在准确性方面有了很大的提高。”

澳门威尼斯人注册网站研究人员还将使用机器学习来优化这些疾病的慢性疾病管理和治疗方案。

目前的治疗方案通常采用一刀切的方法，评估疾病的阶段而不是个体患者。

然而，通过机器学习算法，提供者可以为每位患者设计个性化的干预措施，从增加监测到修改治疗计划。这些量身定制的努力可以帮助他们在患者病情达到关键阶段之前进行干预，从而降低护理成本并改善健康结果。

该项目将把这些算法整合到包括BMC在内的14个社区卫生中心的电子病历中进行试点。

“BMC是一家大型安全网医院，其目标是照顾波士顿地区低收入、少数民族和代表性不足的社区，”帕斯查里迪斯说。

“该项目的一个主要方面是与BMC合作，并确保我们开发的算法在医生照顾病人时是有用的工具。”

将这些算法引入BMC和其他医疗中心可以潜在地帮助这些组织向预防性、前瞻性护理过渡。

展望未来，Paschalidis认为机器学习将最有利于慢性病护理和人口健康管理。

“如果你看看美国目前的医疗状况，我们非常擅长治疗疾病，当它们出现时，当这些疾病变得严重到需要医疗系统的关注时。然而，我不认为我们在预防这些疾病方面做得很好。”

“利用机器学习提出个性化的预测和建议将大大加强预防工作。更好的预防不仅可以改善个人的结果，还可以大幅减少医疗支出。”

然而，他提醒说，为了实现这一目标，机器学习工具必须值得信赖、准确，并植根于可靠的数据。

“使用机器学习的一个潜在风险是数据可能不准确。如果我们训练的算法根据不准确的数据做出预测，我们就有可能得出错误的结论，”帕斯查里迪斯说。

“我们和其他人在开发我们所谓的稳健学习方法方面做了很多工作。这些都是更复杂的机器学习方法，可以适应数据中的异常值和错误，并纠正它们。”

通过这个新项目以及与BMC的合作，Paschalidis和他的团队将针对两种最昂贵的慢性病，制定个性化的治疗计划，以提高疗效并减少支出。

Paschalidis说：“我们澳门威尼斯人注册网站研究了心脏病和糖尿病，这可能是影响大多数人的两种最重要的慢性疾病。”

“该项目将为我们提供资源，支持并与BMC合作开发算法，使医疗保健系统有足够的时间采取澳门威尼斯人注册行动，并可能预防患者的不良后果。”