通過使用人工智能，休斯頓衛(wèi)理公會(huì)的研究人員能夠預(yù)測(cè)癡呆老年患者在入院第一天或第二天的住院結(jié)果。這種對(duì)結(jié)果的早期評(píng)估意味著更及時(shí)的干預(yù)措施，更好的護(hù)理協(xié)調(diào)，更明智的資源分配，重點(diǎn)護(hù)理管理和對(duì)這些更脆弱，高風(fēng)險(xiǎn)患者的及時(shí)治療。
由于患有癡呆的老年患者住院時(shí)間更長(zhǎng)，并且比其他患者產(chǎn)生更高的醫(yī)療保健費(fèi)用，因此該團(tuán)隊(duì)試圖通過識(shí)別可改變的風(fēng)險(xiǎn)因素并開發(fā)一種人工智能模型來解決這個(gè)問題，該模型可以改善患者的預(yù)后，提高他們的生活質(zhì)量并降低他們的再入院風(fēng)險(xiǎn)，以及一旦模型付諸實(shí)踐，降低住院成本。
該研究于9月29日在線發(fā)表在《阿爾茨海默氏癥和癡呆癥：轉(zhuǎn)化研究和臨床干預(yù)》中，研究了休斯頓衛(wèi)理公會(huì)八家醫(yī)院系統(tǒng)中8，407名患有癡呆超過10年的老年患者的醫(yī)院記錄，確定了患有不同類型癡呆的亞組患者結(jié)果不佳的風(fēng)險(xiǎn)因素，這些患者具有源于阿爾茨海默氏癥等疾病的不同類型的癡呆， 帕金森氏癥，血管癡呆和亨廷頓舞蹈癥等。根據(jù)這些數(shù)據(jù)，研究人員開發(fā)了一種機(jī)器學(xué)習(xí)模型，以快速識(shí)別預(yù)測(cè)風(fēng)險(xiǎn)因素及其對(duì)這些患者住院早期不良住院結(jié)果的排名重要性。
他們的模型具有95.6%的準(zhǔn)確率，優(yōu)于所有其他流行的風(fēng)險(xiǎn)評(píng)估方法，適用于這些多種類型的癡呆。研究人員補(bǔ)充說，目前沒有其他方法應(yīng)用人工智能來全面預(yù)測(cè)患有癡呆的老年患者的住院結(jié)果，也沒有確定可以通過額外的臨床程序或預(yù)防措施來降低風(fēng)險(xiǎn)的具體風(fēng)險(xiǎn)因素。
“研究表明，如果我們能夠在老年患者住院后立即識(shí)別出患有癡呆并認(rèn)識(shí)到重大風(fēng)險(xiǎn)因素，那么我們就可以立即實(shí)施一些合適的干預(yù)措施，”Eugene C. Lai博士，博士，斯坦利H.Appel神經(jīng)病學(xué)系帕金森病研究和治療杰出捐贈(zèng)主席Eugene C. Lai博士說。“通過立即減輕和糾正不良結(jié)果的可改變風(fēng)險(xiǎn)因素，我們能夠改善結(jié)果并縮短住院時(shí)間。
神經(jīng)科醫(yī)生Lai多年來一直與這些患者一起工作，并希望研究如何更好地了解他們?nèi)绾喂芾硪约八麄冏≡簳r(shí)的行為，以便臨床醫(yī)生可以改善他們的護(hù)理和生活質(zhì)量。他聯(lián)系了休斯頓衛(wèi)理公會(huì)生物信息學(xué)專家兼T.T.T.和W.F.Chao BRAIN中心主任Stephen T.C.Wong博士，知道他的團(tuán)隊(duì)可以訪問休斯頓衛(wèi)理公會(huì)患者的大型臨床數(shù)據(jù)倉庫，并能夠使用人工智能來分析大數(shù)據(jù)。
確定了每種類型的癡呆的危險(xiǎn)因素，包括那些適合干預(yù)的因素。確定的首要住院結(jié)局危險(xiǎn)因素包括腦病，入院時(shí)的醫(yī)療問題數(shù)量，壓瘡，尿路感染，跌倒，入院來源，年齡，種族和貧血，在多癡呆組中有幾個(gè)重疊。
標(biāo)簽：
免責(zé)聲明：本文由用戶上傳，與本網(wǎng)站立場(chǎng)無關(guān)。財(cái)經(jīng)信息僅供讀者參考，并不構(gòu)成投資建議。投資者據(jù)此操作，風(fēng)險(xiǎn)自擔(dān)。 如有侵權(quán)請(qǐng)聯(lián)系刪除！