人工智能模型使用电子健康记录识别高概率眼患者

科学领域:

• 眼科医生 眼科 眼科
• 医疗信息学 医疗信息学
• 人工智能的人工智能

背景情况:

• 早期发现青光眼对于预防视力丧失至关重要,但面临实施挑战.
• 目前的选方法资源密集,阻碍了大规模应用.
• 电子健康记录 (EHR) 包含了大量的,未被充分利用的疾病预测数据.

研究的目的:

• 开发人工智能 (AI) 模型,用于识别患有高风险光眼的患者.
• 为了利用电子健康记录中的数据,不包括眼科成像或临床数据.
• 为了实现可扩展和高效的玻璃眼风险分层.

主要方法:

• 我们对来自"我们所有人"研究计划的64,735名参与者进行了队列研究.
• 开发了机器学习模型 (惩罚后勤回归,XGBoost,1D-CNN,自动编码器).
• 模型利用人口统计数据,非眼科实验室结果,测量,药物和诊断从结构化EHR数据.

主要成果:

• 一维卷积神经网络 (1D-CNN) 模型实现了最高的性能 (AUROC 0.863).
• 模型成功地使用仅使用非眼科EHR数据识别了青光眼患者.
• 跨种族/族裔亚群的表现略有差异,非西班牙裔白人 (0.869) 的AUROC最高.

结论:

• 人工智能模型可以有效地使用EHR数据识别患有青光眼的人,从而消除了对专业眼科数据的需求.
• 这些模型有可能用于自动识别高风险绿眼病患者,从而促进有针对性的转诊.
• 需要进一步的研究来评估模型的公平性和受保护特征对性能的影响.