整形與重建外科》八月刊的一項研究報告稱，機器學習算法在預測手術后持續(xù)使用阿片類藥物的風險方面表現(xiàn)良好。
密歇根大學安娜堡分校的 ASPS 成員外科醫(yī)生 Kevin C. Chung 醫(yī)學博士、理學碩士評論道：“我們發(fā)現(xiàn)機器學習模型在識別更有可能成為持續(xù)阿片類藥物使用者的手術患者方面表現(xiàn)良好。”
“這可能提供一種更有效的策略來識別高?；颊卟嵤╊A防阿片類藥物成癮的措施。同樣，人工智能的使用可以促進更個性化的方法，為接受特定手術的特定患者開出最佳劑量的正確止痛藥。”
測試兩種機器學習模型來預測阿片類藥物的持續(xù)使用
該研究評估了兩種先前描述的機器學習模型：一種使用密歇根基因組計劃 (MGI) 的患者報告數(shù)據(jù)，另一種基于保險索賠數(shù)據(jù)。這些模型首先在大量普通外科患者樣本中進行評估，然后在接受手部手術(如腕管手術或腕骨骨折手術)的患者中進行評估。
該研究的重點是機器學習模型能否根據(jù)手術后六個月內開出的處方預測哪些患者會持續(xù)使用阿片類藥物。MGI 模型包括 889 名患者，其中約一半曾使用過阿片類藥物。索賠模型僅限于 439 名“未使用過阿片類藥物”的患者，即近期未使用過阿片類藥物的患者。
在包括既往阿片類藥物使用者的 MGI 模型中，21% 的患者出現(xiàn)了持續(xù)性阿片類藥物使用。在排除既往阿片類藥物使用者的保險索賠模型中，10% 的患者出現(xiàn)了持續(xù)性阿片類藥物使用。
標簽：
免責聲明：本文由用戶上傳，與本網站立場無關。財經信息僅供讀者參考，并不構成投資建議。投資者據(jù)此操作，風險自擔。 如有侵權請聯(lián)系刪除！