編譯：chux
出品：ATYUN訂閱號
牛津大學喬治全球健康研究所（George Institute for Global health）的一項新研究發現，機器學習可用於分析電子健康記錄並預測緊急住院的風險。
該研究發表在PLOS Medicine雜誌上，該研究表明，使用這些技術可以幫助健康從業者準確地監測患者面臨的風險，並採取措施避免意外住院，這是醫療支出的主要來源。
英國喬治學院（George Institute UK）前數據科學家Fatemeh Rahimian表示，2017年英國有超過590萬的緊急醫院住院記錄，其中很大一部分是可以避免的。
研究人員表示，“我們希望提供一種工具，使醫護人員能夠準確地監控患者面臨的風險，從而做出更好的患者篩查和主動護理決策，從而減輕緊急入院的負擔。”
該研究使用來自英國臨牀實踐研究數據鏈的相關電子健康記錄，對1985年至2015年的460萬患者進行了研究，考慮了廣泛的因素，包括年齡，性別，種族，社會經濟狀況，家族史，生活方式因素，並存病，藥物和婚姻狀況，以及自從首次診斷到最後一次使用衛生系統，及最新的實驗室測試。
使用更多變量和關於其時間的信息，機器學習模型提供了比先前使用的任何模型更優秀的緊急住院風險預測。
Rahimian表示，“我們的研究結果表明，對於包含豐富個人信息的大型數據集，機器學習模型的表現優於傳統的統計模型之一，我們認爲這是因爲機器學習模型會自動捕獲並學習我們之前沒有意識到的數據之間的相互作用。”
而對於機器學習模型是否能夠在其他醫學領域中進行強有力的風險預測，還需要進一步研究。