医疗保健领域的机器学习：为什么它如此重要？

医疗保健产业中的数据复杂且分布在不同的地方，每天都在不断发展。这使得它成为一种名为机器学习的人工智能形式的理想目标。在过去的几年里，机器学习已经在诊断方面被证明是有用的，并且可以帮助提高医疗编码的效率。但是，在医疗保健领域还有许多地方可以应用机器学习，但尚未取得突破。这是为什么呢？ Harshith Ramesh是Episource的联席CEO，Episource是一家为医疗团体和健康计划提供风险调整服务和软件的供应商，同时也是机器学习领域的专家。我们采访了他，以讨论为什么机器学习非常适合医疗保健，迄今为止在诊断和编码方面如何提供帮助，以及最重要的是，什么在医疗保健领域阻碍了它的发展。 首先，医疗保健行业非常适合机器学习，因为在过去的二十年里，病患数据量呈指数增长。如今，全球约有30%的数据是由医疗保健产业产生的。这部分原因归功于电子健康记录的广泛使用。病患信息的数字化不仅增加了数据量，而且使其更容易获得，以供机器学习应用程序使用。 除了电子健康记录，医疗数据还通过许多其他来源产生，例如医疗设备，可穿戴设备，数据清理中心，实验室和供应商办公室。这些丰富的数据对于使机器学习模型更准确地预测病患结果至关重要。这可以帮助提供商组织随着时间的推移逐步了解病患的健康状况。 医疗保健数据本质上比其他行业产生的数据更具客观性，这使得它与机器学习技术非常兼容。这归功于标准化程序，自动化系统，医疗编码员和专业医师，它们共同努力消除数据中的主观性。例如，行业已经建立了医疗保健组织必须使用的标准化数据集，例如用于诊断信息的国际疾病分类（ICD-10）代码或用于药物识别的国家药品代码（NDCs）。 有关医疗保健组织如何在电子健康记录中存储和传输数据的法规也使得由机器学习驱动的模型更容易分析数据，发现趋势并应用算法来改善。