改进医疗器械管理的机器学习:专注于除器性能
Lemana Spahić1,2, Luka Jeremić3, Ivana Lalatović3
1Research Institute Verlab for Biomedical Engineering, Medical Devices and Artificial Intelligence, Sarajevo, Bosnia and Herzegovina.
概括
使用机器学习的自动化系统改善了医疗设备的维护. 这提高了患者的安全性,并优化了医疗保健技术管理部门的成本.
科学领域:
- 生物医学工程 生物医学工程
- 医疗技术管理 医疗技术管理
- 机器学习应用 机器学习应用
背景情况:
- 监管不善的医疗器械 (MDs) 对患者安全和临床结果构成风险.
- 医疗器械条例 (MDR) 要求加强对医疗器械安全性和性能的市场后监测.
- 现有的维护协议需要优化,以提高效率和有效性.
研究的目的:
- 开发基于安全性和性能参数的医疗器械管理的自动化系统.
- 为了利用机器学习算法来预测医疗设备的维护计划.
- 提高医疗保健中医疗器械管理的安全性和成本效益.
主要方法:
- 从医疗机构的除器检查中收集了1997年的样本.
- 开发并测试了各种机器学习算法,包括决策树,随机森林,天真贝叶斯,物流回归,随机森林回归器和XGBoost.
- 评估了用于除器输出错误预测的预测能力.
主要成果:
- 纯粹的贝叶斯算法在分类任务中实现了最高的准确率94.8%,即94.8%.
- XGBoost回归器表现出极高的预测准确度,其r2值为0.99.
- 开发的系统可扩展到各种诊断和治疗医疗设备.
结论:
- 使用机器学习的自动化维护计划显著有利于临床工程和医疗技术管理.
- 拟议的系统提高了患者的安全性和治疗效率.
- 医疗器械管理部门的成本优化是一个关键的结果.
