通过使用人工智能，休斯顿卫理公会的研究人员能够预测痴呆老年患者在入院第一天或第二天的住院结果。这种对结果的早期评估意味着更及时的干预措施，更好的护理协调，更明智的资源分配，重点护理管理和对这些更脆弱，高风险患者的及时治疗。
由于患有痴呆的老年患者住院时间更长，并且比其他患者产生更高的医疗保健费用，因此该团队试图通过识别可改变的风险因素并开发一种人工智能模型来解决这个问题，该模型可以改善患者的预后，提高他们的生活质量并降低他们的再入院风险，以及一旦模型付诸实践，降低住院成本。
该研究于9月29日在线发表在《阿尔茨海默氏症和痴呆症：转化研究和临床干预》中，研究了休斯顿卫理公会八家医院系统中8，407名患有痴呆超过10年的老年患者的医院记录，确定了患有不同类型痴呆的亚组患者结果不佳的风险因素，这些患者具有源于阿尔茨海默氏症等疾病的不同类型的痴呆， 帕金森氏症，血管痴呆和亨廷顿舞蹈症等。根据这些数据，研究人员开发了一种机器学习模型，以快速识别预测风险因素及其对这些患者住院早期不良住院结果的排名重要性。
他们的模型具有95.6%的准确率，优于所有其他流行的风险评估方法，适用于这些多种类型的痴呆。研究人员补充说，目前没有其他方法应用人工智能来全面预测患有痴呆的老年患者的住院结果，也没有确定可以通过额外的临床程序或预防措施来降低风险的具体风险因素。
“研究表明，如果我们能够在老年患者住院后立即识别出患有痴呆并认识到重大风险因素，那么我们就可以立即实施一些合适的干预措施，”Eugene C. Lai博士，博士，斯坦利H.Appel神经病学系帕金森病研究和治疗杰出捐赠主席Eugene C. Lai博士说。“通过立即减轻和纠正不良结果的可改变风险因素，我们能够改善结果并缩短住院时间。
神经科医生Lai多年来一直与这些患者一起工作，并希望研究如何更好地了解他们如何管理以及他们住院时的行为，以便临床医生可以改善他们的护理和生活质量。他联系了休斯顿卫理公会生物信息学专家兼T.T.T.和W.F.Chao BRAIN中心主任Stephen T.C.Wong博士，知道他的团队可以访问休斯顿卫理公会患者的大型临床数据仓库，并能够使用人工智能来分析大数据。
确定了每种类型的痴呆的危险因素，包括那些适合干预的因素。确定的首要住院结局危险因素包括脑病，入院时的医疗问题数量，压疮，尿路感染，跌倒，入院来源，年龄，种族和贫血，在多痴呆组中有几个重叠。
标签：
免责声明：本文由用户上传，与本网站立场无关。财经信息仅供读者参考，并不构成投资建议。投资者据此操作，风险自担。 如有侵权请联系删除！