一个尺寸不适合所有:使用可变量化相似度衡量方法改善乳腺癌患者的检索

科学领域:

• 医疗信息学 医疗信息学
• 医疗保健中的人工智能
• 临床决策支持 临床决策支持

背景情况:

• 临床决策支持系统 (CDSSs) 应对超出标准指导方针的复杂患者病例.
• 以相似性为基础的可比患者的检索为复杂病例管理提供了潜在的解决方案.
• 选择适当的相似度指标是这个领域的一个重大挑战.

研究的目的:

• 开发和评估一种基于相似性的混合方法 (HM),用于复杂的临床场景中检索可比的患者.
• 通过创建可定制和可解释的方法来解决现有的相似度指标的局限性.
• 支持临床决策,用于超出既定实践准则的病例.

主要方法:

• 开发了一种混合的基于相似性的方法 (HM),结合了多种相似性测量方法.
• 结合了专家定义的临床变量的权重,以及用于实时体重调整的交互式接口.
• 评估了使用专家注释数据集对乳腺癌管理的方法.

主要成果:

• 混合方法 (HM) 在前5名最相似的患者中实现了0.6的回忆.
• 在45例临床相关复杂乳腺癌病例中,HM成功检索了27例.
• 该系统在识别可比的患者病例以提供决策支持方面表现出有效性.

结论:

• 开发的混合相似性方法 (HM) 为复杂病例中患者检索提供了有效,可解释和可定制的解决方案.
• 量身定制相似性测量和允许临床医生的互动对于改善CDSS性能至关重要.
• 这种方法具有显著的潜力,可以提高复杂乳腺癌管理和类似场景的护理.