研究人员正在将人工智能与数据相结合，以改善患者护理和治疗结果

研究人员正在将人工智能与数据相结合，以改善患者护理和治疗结果

Chenyang Lu 是华盛顿大学圣路易斯麦凯尔维工程学院计算机科学与工程 Fullgraf 教授，他将人工智能与数据相结合，以改善患者护理和治疗结果。

但他不仅照顾病人，还开发技术来监测医生的健康和福祉。

Lu 实验室在今年的 ACM SIGKDD 会议上发表了两篇关于知识发现和数据挖掘的论文，这两篇论文都概述了他的团队开发的新颖方法： 与华盛顿大学医学院的工作人员 -； 通过将深度学习引入临床护理来改善健康结果。

对于护理人员来说，卢解决了职业倦怠以及如何在其发生之前对其进行预测。 医生如何与电子健康记录交互的活动日志为研究人员提供了大量数据。 他们将这些数据输入由 Lu 和他的团队开发的机器学习框架中： 基于活动日志的分层倦怠预测 (HiPAL) -； 它能够推断出有意义的工作负载模式，并以非侵入性和自动化的方式从这些数据中预测倦怠情况。

在患者护理方面，手术室的医生在术前护理和手术期间收集大量有关患者的数据； Lu 和他的合作者认为他们可以充分利用 Lu 的深度学习方法：临床变分自动编码器 (cVAE) 的数据。

利用卢实验室开发的新颖算法，他们能够预测谁的手术时间会更长，以及谁在手术后更有可能出现谵妄。 该模型能够将数百个临床变量转换为仅 10 个，该模型使用这些变量对结果做出准确且可解释的预测，优于当前方法。

在工程网站上了解有关该团队研究结果的更多信息。

卢和他的跨学科合作者将继续验证这两个模型，希望这两个模型都能将人工智能的力量带入医院环境。

来源：

圣路易斯华盛顿大学

参考：

刘，H.，等人。 (2022) HiPAL：使用电子健康记录中的活动日志进行医生倦怠预测的深层框架。 KDD '22：第 28 届 ACM SIGKDD 知识发现和数据挖掘会议论文集。 doi.org/10.1145/3534678.3539056 。

。