提示: 手机请竖屏浏览!

机器学习与医学预测——跨越过度期望的顶峰之后
Machine Learning and Prediction in Medicine — Beyond the Peak of Inflated Expectations


Jonathan H. Chen ... 其他 • 2017.06.29
相关阅读
• 在医疗领域实施机器学习——解决伦理学挑战 • 预测未来——大数据、机器学习与临床医学

合理预期大数据健康收益

 

严章明,钟声*

University of California San Diego

*通讯作者

 

近年来大数据与机器学习促成了许多行业的创新性变革。随着精准医疗计划的开展,健康医疗大数据与机器学习的结合,给人们带来了对未来大数据健康事业无穷的想象空间。然而,本期《新英格兰医学杂志》发表的一篇前瞻文章指出机器学习在经历了高速发展之后已经达到了过热期望释放的顶峰1,2

查看更多

我们都听说过,大数据承诺要通过广泛获集电子健康档案与高容量数据流来改变医疗领域,而从保险偿付到个人基因组学及生物传感器登记系统都可作为这些数据的来源1。人工智能与机器学习预测算法已经可以自动驾驶汽车、识别语音,还能发现信用卡欺诈。它们是解锁数据,从而为实时决策精确提供信息的关键所在。然而在新兴技术的“炒作周期”里,机器学习这一技术目前正行至“期望膨胀峰”的顶端2

预测在医学领域中的应用并不陌生。从应用风险评分指导抗凝治疗(CHADS2)与降胆固醇药的使用(ASCVD),到重症监护室内患者的风险分层(APACHE),由数据驱动的临床预测在医疗实践中已成惯例。结合现代机器学习,临床数据源使我们得以对数以千计的相似临床问题迅速生成预测模型。从对脓毒症的早期预警系统,到能力超人的影像诊断,这些方法的潜在适用范围是相当可观的。





作者信息

Jonathan H. Chen, M.D., Ph.D., and Steven M. Asch, M.D., M.P.H.
From the Department of Medicine, Stanford University, Stanford (J.H.C., S.M.A.), and the Center for Innovation to Implementation (Ci2i), Veteran Affairs Palo Alto Health Care System, Palo Alto (S.M.A.) — both in California.

 

参考文献

1. Obermeyer Z, Emanuel EJ. Predicting the future — big data, machine learning, and clinical medicine. N Engl J Med 2016;375:1216-1219

2. Gartner, Inc., identifies three key trends that organizations must track to gain competitive advantage in its 2016 hype cycle for emerging technologies. Stamford, CT: Gartner, 2016 (http://www.gartner.com/newsroom/id/3412017).

3. Lazer D, Kennedy R, King G, Vespignani A. Big data — the parable of Google Flu: traps in big data analysis. Science 2014;343:1203-1205

4. Chen JH, Alagappan M, Goldstein MK, Asch SM, Altman RB. Decaying relevance of clinical data towards future decisions in data-driven inpatient clinical order sets. Int J Med Inform 2017;102:71-79

5. Escobar GJ, Turk BJ, Ragins A, et al. Piloting electronic medical record-based early detection of inpatient deterioration in community hospitals. J Hosp Med 2016;11:Suppl 1:S18-S24

服务条款 | 隐私政策 | 联系我们