生物科学门户网站
BIO1000.COM

深度神经网络显示了根据临床笔记预测未来自我伤害的希望

南卡罗来纳州医科大学和南佛罗里达大学的研究人员在JMIR Medical Informatics中报告说,他们已经采取了重要措施,通过创建一种人工智能算法来解决这一问题,该算法可以根据以下信息自动识别处于故意自残危险性高的患者:电子病历中临床笔记中的信息。

这项研究由MUSC生物医学信息学中心联合主任医学博士Jihad Obeid和前MUSC的Brian Briannell博士领导,目前是南大学的精神病学和行为神经科学系的助理教授。佛罗里达。

该团队使用复杂的人工神经网络(一种人工智能形式,也称为深度学习)来分析电子健康记录中的非结构化文本数据。深度学习方法逐渐使用人工网络层从原始输入数据中提取更多信息。研究小组表明,这些模型一旦经过培训,就可以识别出有故意自我伤害危险的患者。

Obeid说:“这类工作很重要,因为它利用最新技术来解决自杀等重要问题,并确定有风险的患者,以便将他们转介给适当的管理人员。”

迄今为止,研究人员主要依靠电子健康记录中的结构化数据来识别和预测有风险的患者。结构化数据是指已作为临床护理的一部分输入到电子健康记录中指定字段中的列表信息。例如,当医师诊断患者并分配国际疾病分类(ICD)代码时,他们正在创建结构化数据。这种列表化的结构化数据易于计算机程序进行分析。

但是,电子健康记录中80%到90%的相关信息以文本格式捕获。换句话说,电子病历中的临床笔记,进展报告,护理计划笔记和其他叙述性文本代表着巨大的未开发资源。Obeid的研究非常独特,因为它使用深度神经网络来“读取”电子健康记录中的临床笔记,并识别和预测有自残危险的患者。

郑重声明:本文版权归原作者所有,转载文章仅为传播更多信息之目的,如作者信息标记有误,请第一时间联系我们修改或删除,多谢。