基于EHR轨迹的深度学习预测模型:系统审查
Ali Amirahmadi1, Mattias Ohlsson2, Kobra Etminani1
1Center for Applied Intelligent Systems Research, Halmstad University, Sweden.
Journal of biomedical informatics
|June 28, 2023
概括
深度学习模型有效地分析电子健康记录 (EHR) 轨迹,以预测患者的风险. 本综述强调了对EHR数据的深度学习的进展,确定了医疗保健分析领域的挑战和未来研究方向.
科学领域:
- 医疗信息学 医疗信息学
- 人工智能在医学中的应用
- 计算健康 计算健康
背景情况:
- 电子健康记录 (EHR) 产生了大量的时间数据,对于预测患者健康风险和实现主动医疗保健至关重要.
- 深度学习技术擅长分析复杂的EHR轨迹,为早期疾病识别和初级预防策略提供了重大潜力.
结论:
- 深度学习显著推进了EHR轨迹的建模,在图形神经网络和注意力机制方面取得了显著进展.
- 需要进行进一步的研究,以解决数据不足问题,并开发能够处理EHR轨迹数据多面性质的模型.
- 增加公共EHR轨迹数据集的可用性对于标准化模型比较和验证至关重要.
更多相关视频
04:09Predicting Treatment Response to Image-Guided Therapies Using Machine Learning: An Example for Trans-Arterial Treatment of Hepatocellular Carcinoma
Published on: October 10, 2018
8.3K
09:47Author Spotlight: Advancing Alzheimer's Research – Exploring Early Detection and Multi-Omics Approaches
Published on: December 15, 2023
1.2K
