本文提出了一个框架,可使医疗决策在部分信息存在的情况下进行。其核心是基于本体的自动推理;是通过机器学习技术来增强现有的患者数据集。所用方法支持不同医疗信息系统之间的互操作。这在实现的示例中得到了很好的阐释。该实现结合了三个独立的数据集(患者数据、药物相互作用和药物处方规则),以展示他们的算法在生成有效的医疗决策方面的有效性。简而言之,他们展示了人工智能支持医疗专业人员的迫切需要,处理丢失的患者数据或患者数据噪音,并支持使用多个医疗数据集的潜力。
为了实现系统,他们利用本体概念来表示原始的患者信息,并将其放在结构化的三层存储中。推理规则由领域专家设计,并使用语义推理器生成决策。这使得系统生成的决策易于验证和解释,但要生成基于知识的系统需要完整的信息,这限制了它在现实世界中的有用性。他们通过使用机器学习技术来增加语义推理器为缺失的数据输入其值,从而克服了这一限制。输入模型是在预处理阶段生成的,然后与本体系统集成,使系统能够实时执行。这就形成了一个以患者为中心、以证据为基础的决策支持系统。
这种混合型设计既优于完全依赖知识型技术的解决方案,也优于完全依赖机器学习的解决方案。
此外,今天还会随邮件送上2019年2月11至15日在美国奥兰多召开的HIMSS19大会的一份演讲课件,题目是《一种实用的医疗技术资本规划方法》。
大多数医疗机构通常都有一套资本支出预算,用于医疗技术的采购。在当今时代,技术变得越来越复杂,设备之间通过接口相互连接以及与电子病历连接;网络安全/隐私保护在医疗设备及系统决策中占据了重要位置。因此,在什么时候让医疗设备退役、什么时候购买新设备以及使用什么技术来替换过时的或要报废的医疗系统和设备等问题上,很难做出正确的决策。在本演讲中,演讲人探讨了两家领先的医疗机构是如何应对这些问题的,采用了哪些不同的策略来解决这些问题,以及在这一过程中所汲取的经验教训。
该演讲课件共有31个slide,其主要内容是:
确定推动资本型医疗系统采购的方法和途径;
分析两种同时注重网络安全、集成、总体拥有成本和互操作的固定资产规划方法;
在考虑临床、IT、医工和行政需求的同时,确定适宜的规划路径;
检测网络安全、集成和互操作对长期资本规划影响的细微差别。
演讲人是美国斯坦福儿童健康中心(儿童医院)临床技术生物工程部主任:伊莱尔•库勒里和美国耶鲁-纽黑文医疗集团信息系统及临床工程总监:克瑞斯•盖特曼。
★每日鲜鸡汤★
Ideas don't come out fully formed. They only become clear as you work on them. You just have to get started. 好的构想不是一开始就成形,它是在你实现的过程中变得更加清淅,你只需要开始即可。早上好!
领取专属 10元无门槛券
私享最新 技术干货