Лидеры IT подчеркивают большой успех с моделями машинного обучения

Трио предъявителей в HIMSS 2018 обменялось данными от практического машинного обучения и сосредоточенных на AI изучений, каковые демонстрируют, как разработки имели возможность уменьшить затраты и улучшить результаты больных.Эти изучения, проводимые командами в Совокупности здравоохранения Грэйди, Кайзере Пермэненте, и Медицинском центре Питтсбургского университета, в первую очередь сосредоточились на ослабевающих взрослых и больных-детях, EHRs которых указал на определенные риски, включая повторный доступ, дабы заботиться либо непоказанный рак ободочной и прямой кишки.“Эти [связанные с AI] разработки устанавливаются”, сообщил врач Сринивасан Суреш, основной медицинский сотрудник информационного отдела в Детской Поликлинике Питтсбурга UPMC, на протяжении Машинного обучения конференции & события AI. “Они весьма поддающиеся изменения. Они кроме этого весьма подрывные, так, Вы должны быть очень осмотрительной интеграцией их в клиническое рабочее место.

Главный пункт – сотрудничество лишь между клиницистами сперва, и после этого между учёными и поставщиками ухода данных и разработчиками ПО”.Suresh сперва обрисовал разработку машинного обучения, созданную, дабы угадать 30-дневный все повторные доступы обстоятельства через больных-детей, измеряя большое количество переменных, таких как зарегистрированные лекарства, самые важные части, продолжительность и демография нахождения. После достижения 79-процентного темпа точности в идентификации повторных доступов как ‘рискованные’ при выбросе на протяжении трехмесячного негромкого пробега, Suresh и сотрудники соединили предсказания с вмешательством для 106 больных, в которых они заблаговременно обратились к сиделке ребенка.

“Учет этого есть весьма мелким [образец], …, в случае если мы делаем три либо четыре телефонных звонка, темп повторного доступа опускается примерно к 10 процентам от основания 16 процентов”, сообщил он. “Это – переломный момент. Если Вы желаете сделать, информацию о расходах, средняя цена — не обвинения либо компенсация, но стоить, между 2 000$ и 10 000$ на больного”.Suresh кроме этого выделил другую длящуюся программу, в которой машинное обучение употребляется, дабы найти катастрофические события в сердечном отделении интенсивной терапии поликлиники и громадный проект данных, созданный, дабы выяснить корреляты здоровья через лиц, появившихся в одном и том же году, намеченных в течение следующего года.

Второй предъявитель, Робин Фрэди, исполнительный директор в Совокупности здравоохранения Грэйди, обрисовал AI слияния работы ее собственной команды в его мобильную интегрированную медицинскую программу, дабы уменьшить повторный доступ поликлиники. Использование данной программы к 1 720 терпеливым столкновениям разрешило совокупности вмешиваться и избегать 113 повторных доступов.

С каждым допуском, экономящим примерно 11 200$, совокупный доход команды по окончании того, как, внедрение стоит, были больше чем $1,1 миллиона, достигнутые за чуть менее чем год.“В конце дня, по причине того, что мы смогли сделать некий маленький успех с больным в центре того, чего мы пробовали достигнуть, не инструмент, …, мы смогли взять закрытие сделки от других старших частей и наших руководителей организации”, сообщил Фрэди. “Что мы изучили, [Вы должны] затевать с неприятности … и после этого идти в том направлении и сказать ‘эй, это – что-то, что может выручить Вас’”.Третий предъявитель, врач Элизабет Лайлс, следователь в Центре Кайзера Пермэнента Исследования здравоохранения, показал, как машинное обучение может разобрать эти EMR для взрослых больных в повышенном риске невыявленного рака ободочной и прямой кишки. Это изучение, которое включало 9 108 случаев рака и 900 средств управления среди больных совокупности здравоохранения в возрасте 40 – 89 лет, довольно часто сигнализировало колоректальным опухолям рискованных больных 180 – 360 дней до простого клинического диагноза.

“Что потребовало [чтобы развиваться, подобная программа] есть всесторонним EMR, и, возможно, оказывает помощь, где это не полностью запретное, дабы заказать полную заботу крови о диагностическом workup либо показе”, сообщила она. “Я сообщил бы, что одни из преимуществ – то, что это на заднем замысле. Это не что-то, что Вы должны деятельно обратиться к больным о том, пока они не сигнализируются как большой риск.


Комментариев: 5 на “Лидеры IT подчеркивают большой успех с моделями машинного обучения

  1. Нужно ударними темпами востонавливать ЯО воружать армию хотяби до 2 миллионов солдат как показала практика война неизбежна с Россией она 100% нападот

  2. Ты ал : у Бандер у Пиндосов с ЕвропойИ расплатился с Китаем ИПАЛОМ и ЖОПОЙИз дутой резины ракетный парад…За ним ТЫ в трусах, российский АС !

Добавить комментарий