machine learning post extractta big data

Machine learning pode prever risco de internações de emergência em hospitais

Machine learning (aprendizado de máquina) pode ser usado para analisar registros eletrônicos de saúde e prever o risco de internações hospitalares de emergência, segundo um novo estudo do The George Institute for Global Health, na Universidade de Oxford, no Reino Unido.

A pesquisa sugere que o uso dessa tecnologia pode ajudar os profissionais de saúde a monitorar com precisão os riscos enfrentados pelos pacientes e implementar medidas para evitar admissões não planejadas, que são uma importante fonte de gastos com a saúde.

“Foram mais de 5,9 milhões de internações hospitalares de emergência registradas no Reino Unido em 2017, e uma grande parte delas poderia ter sido evitada”, disse Fatemeh Rahimian, ex-cientista de dados do The George Institute UK, que liderou a pesquisa.

“Queríamos fornecer uma ferramenta que permitisse aos profissionais de saúde monitorar com precisão os riscos enfrentados por seus pacientes e, como resultado, tomar melhores decisões em relação à triagem de pacientes e aos cuidados proativos que poderiam ajudar a reduzir a carga de internações de emergência”.

O estudo, realizado junto a 4,6 milhões de pacientes de 1985 a 2015, usou registros de saúde eletrônicos vinculados do Datalink da Pesquisa de Prática Clínica do Reino Unido. Uma ampla gama de fatores foi levada em conta, incluindo idade, sexo, etnia, condição socioeconômica, histórico familiar, estilo de vida, comorbidades, medicação e estado civil, bem como o tempo desde o primeiro diagnóstico, o último uso do sistema de saúde e testes laboratoriais.

Usando mais variáveis ​​combinadas com informações sobre seu tempo, os modelos de machine learning forneceram uma previsão mais consistente do risco de internação hospitalar de emergência do que qualquer modelo usado anteriormente.

“Nossas descobertas mostram que, com grandes conjuntos de dados que contêm informações ricas sobre indivíduos, os modelos de aprendizado de máquina superam um dos melhores modelos estatísticos convencionais”, disse Rahimian. “Achamos que isso acontece porque os modelos de machine learning capturam e ‘aprendem’ automaticamente a partir de interações entre os dados que não conhecíamos anteriormente.”

Se os modelos de machine learning podem levar a melhorias igualmente fortes na previsão de risco em outras áreas da medicina, é preciso mais pesquisas.

 

FONTES

The George Institute for Global Health

PLOS

Science Daily

Post criado 23

Deixe uma resposta

O seu endereço de e-mail não será publicado. Campos obrigatórios são marcados com *

Posts Relacionados

Comece a digitar sua pesquisa acima e pressione Enter para pesquisar. Pressione ESC para cancelar.

De volta ao topo