外媒 | 机器学习工具可通过EHR数据识别注射药物使用-普瑞纯证

加州大学洛杉矶分校（UCLA）的研究人员开发了一种基于人工智能的工具，可以使用EHR数据更快、更准确地识别注射药物的人群，比标准方法更有效。根据该研究，高效识别注射药物的人群对于改善风险评估和缓解、临床决策以及健康服务研究至关重要。目前，识别这种人群依赖于各种国际疾病分类（ICD）代码，因为没有专门用于注射药物使用的ICD代码。由于没有注射药物使用的ICD代码，提供者和编码人员被迫依赖其他非特定的代理代码和数据，这可能导致不准确和较差的结果，研究人员指出。为了解决这个问题，他们设计了机器学习（ML）和自然语言处理（NLP）算法，以比目前依赖手动记录审核的方法更快、更准确地识别注射药物的人群。研究的首席作者、UCLA大卫盖芬医学院传染病学部助理教授David Goodman-Meza在新闻发布会上表示：“通过使用自然语言处理和机器学习，我们可以在几分钟内在数千个笔记中识别注射药物的人，而手动审核员需要几周时间才能完成这项工作。这将使健康系统能够更好地识别注射药物的人，以更好地分配资源，如注射器服务计划和药物使用和心理健康治疗。”为了开发算法，研究人员手动审核了1000份医疗记录，这些记录来自于2003年至2014年间入住退伍军人事务部（VA）医院的患者，这些患者患有金黄色葡萄球菌败血症，这是一种常见的感染类型，当细菌通过皮肤上的开口进入体内时，例如注射部位时，就会发生这种感染。在算法开发和训练之后，研究人员将NLP/ML模型与基于ICD代码的11个模型进行了比较。该研究中表现最佳的模型由多个常见的统计指标（包括F分数、灵敏度和阳性预测值）确定。总体而言，基于随机森林的NLP/ML算法是训练集中表现最佳的算法，优于所有基于ICD的算法。

版权声明 本网站所有注明“来源：普瑞纯证”或“来源：pureFDA”的文字、图片和音视频资料，版权均属于普瑞纯证网站所有。非经授权，任何媒体、网站或个人不得转载，否则将追究法律责任。取得书面授权转载时，须注明“来源：普瑞纯证”。其它来源的文章系转载文章，本网所有转载文章系出于传递更多信息之目的，转载内容不代表本站立场。