基于机器学习的临床决策支持,使用实验室数据
Hikmet Can Çubukçu1,2, Deniz İlhan Topcu3, Sedef Yenice4
1General Directorate of Health Services, Rare Diseases Department, Turkish Ministry of Health, Ankara, Türkiye.
Clinical chemistry and laboratory medicine
|November 28, 2023
概括
人工智能 (AI) 和机器学习 (ML) 通过改善患者结果和工作流程效率来增强实验室医学. 挑战包括模型不确定性和数据采集,但人工智能驱动的临床决策支持系统显示出很大的前景.
科学领域:
- 实验室医学 实验室医学
- 人工智能的人工智能
- 机器学习 机器学习
背景情况:
- 人工智能 (AI) 和机器学习 (ML) 越来越多地成为现代医疗保健的组成部分.
- 这些技术正在改变临床实验室的工作流程和患者护理.
研究的目的:
- 审查ML模型在实验室医学中的发展.
- 检查它们对临床实验室工作流程和患者结果的影响.
- 讨论ML整合的挑战和未来方向.
主要方法:
- 总结了ML模型的开发过程,包括数据收集,清理,功能工程和优化.
- 审查了ML在临床决策支持系统 (CDSS) 中的应用,以解释测试结果.
- 讨论了ML在分析前,分析后和分析后实验室阶段的整合.
主要成果:
- 机器学习模型,包括来自自动机器学习工具的机器学习模型,简化了实验室流程并提高了效率.
- 使用ML的CDSS帮助医疗保健专业人员解释测试结果,增强决策能力.
- 尽管面临挑战,在所有实验室阶段进行ML集成提供了显著的潜力.
结论:
- 基于ML的CDSS可以大大改善医疗保健中的临床决策.
- 成功采用需要解决模型不确定性,黑子问题和数据采集挑战.
- 协作,混合智能和严格的验证对于有效实施至关重要.
