醫(yī)院分級和評級系統(tǒng)可能對許多計劃擇期手術(shù)的患者有所幫助。但是，新發(fā)現(xiàn)表明，即使在質(zhì)量評分始終很高的醫(yī)院中，從一個患者到下一個患者，其結(jié)局和費用也可能相差很大。

這項研究還表明，機器學習可以幫助優(yōu)化每個患者個人的選擇過程。這項工作是由麻省理工學院和密歇根大學的行業(yè)研究人員及其同事進行的。它發(fā)表在《醫(yī)學互聯(lián)網(wǎng)研究》雜志上。

醫(yī)學博士Mohammed Saeed和共同研究人員回顧了2018年大芝加哥地區(qū)4，200例髖關(guān)節(jié)置換患者的病歷。研究小組分析了術(shù)后90天的結(jié)果和費用不一致的數(shù)據(jù)。

正如許多患者在考慮在何處進行手術(shù)時所做的那樣，研究人員研究了多種來源的醫(yī)院評分。這些包括基于互聯(lián)網(wǎng)的消費者評分，質(zhì)量星級，聲譽排名，平均年度手術(shù)量和平均結(jié)果率。

他們還分析了由機器學習算法匯編的排名。這些培訓針對具有相似特征和良好結(jié)局的先前患者進行了個性化的提供者匹配培訓。

事實證明，只有不超過四分之一的患者在結(jié)果方面與更高級別的醫(yī)院相匹配，而只有不到一半的患者在成本上達到最佳。

消費者評分，高品質(zhì)明星和機器學習始終與更好的結(jié)果和成本相一致，并且在基于機器學習的排名的所有評分方法和分析中，改進都是最令人印象深刻的。

“ ［一種］基于精確導航的個性化方法，在各個醫(yī)院的背景下使用隨時可用的數(shù)據(jù)來表征患者的醫(yī)療復(fù)雜性，可能會顯著改善治療效果，同時降低總體護理成本，”作者在討論中評論道。 。

Saeed和合著者總結(jié)說：“通過廣泛的排名方法，可能有大量機會增加與適當醫(yī)院匹配的患者人數(shù)?！薄霸诟鶕?jù)患者特定的機器學習對患者進行匹配的醫(yī)院中進行的髖關(guān)節(jié)置換手術(shù)具有更好的結(jié)果和更低的總護理費用?！?/p>

這項研究的六位合著者中有五位隸屬于Scale Corp.的Health，該公司銷售該研究中使用的機器學習軟件。

責任編輯：lq