犹他大学和山间初级儿童医院的研究人员最近开发了人工智能工具，以帮助预测心血管疾病的发病和结局。
在本周发表在《公共科学图书馆数字健康》(PLOS Digital Health)杂志上的一项研究中，科学家们解释说，他们使用了机器学习软件，挖掘了数百万名患者的电子健康记录，这些记录没有识别身份。
然后他们确定了共病条件和人口统计学对心血管健康的影响。
该研究的通讯作者、U of U Health和Intermountain Primary Children 's Hospital的儿科心脏病专家马丁·特里斯坦-菲鲁兹(Martin Tristani-Firouzi)博士在该研究伴随发表的一份声明中说:“我们可以利用人工智能来帮助降低几乎所有医学诊断的风险。”
他补充说:“癌症风险、甲状腺手术风险、糖尿病风险——任何你能想象到的医学术语。”
为什么它很重要
这组科学家指出，在电子病历中使用数据科学方法可能有广泛的应用前景，但技术上的挑战仍然存在。
例如，他们指出，当涉及到分离共病和人口统计学变量对病人健康的影响时，存在改进的空间。
使用一种名为泊松二项共病(PBC)的共病发现方法，研究小组搜索了160万份共病诊断、治疗和药物的患者记录。
他们在研究中写道:“结果是一个疾病网络，缺乏受保护的健康信息，这非常适合于推动下游结果研究。”
然而，他们观察到，需要更多的计算量来计算多个条件因变量对结果的影响。
这就是概率图形模型(pgm)的作用所在。
研究人员写道:“pgm能够回答模型中包含的任何一组输入条件下的任何变量的预测查询。”
研究团队利用这些技术来关注三个领域的共病:心脏移植、窦房结功能障碍和先天性心脏病。
他们写道:“我们的结果阐明了围绕美国西部山区的这些关键心血管疾病的共病和人口状况，并展示了我们的方法如何在特定的医疗保健系统背景下，通过精确、定量的结果来揭示医疗保健的差异。”
在成年人中，该团队关注了几个预测因素，包括患有心肌病的人心脏移植的风险高86倍，患有病毒性心肌炎的人心脏移植的风险高59倍。
心脏移植最有力的个体预测因子是药物米力农的使用，其风险增加了175倍。
他们写道:“请注意，我们并不是说米力农会导致心脏移植，而是说患者医疗记录中的米力农处方是未来心脏移植的有力预测因素。”
一些合并疾病的风险更大:他们发现，需要米力农的心肌病患者进行心脏移植的风险增加了407倍。
此外，该科学团队还研究了不同人群之间的差异。
例如，他们发现，在犹他大学医院系统中，西班牙裔房颤患者窦房结功能障碍的风险增加了61倍，而白人患者的风险增加了30倍，黑人患者的风险增加了40倍。
他们写道:“这些结果强调了我们的方法的潜力，通过精确、定量的结果，并在特定的医疗保健系统的背景下，揭示族裔[和]种族医疗保健差异。”
更大的趋势
电子病历中的大量信息——尤其是在大型卫生系统中——使它们成为分析的成熟目标。
2021年5月，Sensyne Health的德里克·贝尔德(Derek Baird)指出，研究人员和公司可以使用人工智能收集、存储和分析大型数据集，速度远远快于人工处理。
他在接受《医疗保健IT新闻》采访时表示:“这使他们能够基于来自许多患者的基因变异数据，更快、更有效地开展研究，并有效地开发靶向治疗。”
在记录
该研究的资深作者马克·扬德尔在一份声明中说:“在当今这个时代，作为一名医疗专业人员，无论你多么清楚，都不可能把你需要的所有知识都记在脑子里，以尽可能最好的方式治疗病人。”
“我们正在开发的计算机将帮助医生利用电子时代所有可获得的相关信息，做出尽可能最好的病人护理决定。这些机器对医学的未来至关重要。”他补充道。
Kat Jercich是医疗保健IT新闻的高级编辑。医疗保健IT新闻是HIMSS媒体出版物。
