食品機械設備網(wǎng)
公司動態(tài)
優(yōu)化醫(yī)療服務質(zhì)量測量 機器學習發(fā)揮重要作用
閱讀：447 發(fā)布時間：2017-9-16 質(zhì)量測量已成為醫(yī)療體系的重要組成部分。但是，要確保這一新測量是有效的，可靠的以及有據(jù)可依的，這就需要大量的時間和勞力。使用機器學習和自然語言處理的算法可以幫助測量開發(fā)人員大大減少研究時間，并在人類可能會遺漏的證據(jù)基礎上發(fā)現(xiàn)測量模式。
這種自動化zui終也可能幫助醫(yī)療機構(gòu)根據(jù)自己的研究和數(shù)據(jù)進行自我完善。
在過去幾年里，包括醫(yī)療保險與救助中心在內(nèi)的公共和私人醫(yī)療保健投資者已經(jīng)走向了以價值為基礎的購買模式，在這種模式下，醫(yī)療服務從業(yè)者通過他們所取得的成果而不是提供的服務量來獲得評估和薪水。質(zhì)量測量項目提供了一個非常客觀的工具，可以評估和追蹤從業(yè)者的績效，并推動改進，從而取得更好的病人恢復結(jié)果或者降低醫(yī)療成本。
為了使這一愿景成為現(xiàn)實，醫(yī)療保健投資者需要確保質(zhì)量測量是有效的，可靠的，并且基于強大的科學證據(jù)。為了開發(fā)每一個測量，研究人員必須找出并評估就每個主題都發(fā)表出來的相關研究，這一過程被稱為環(huán)境掃描。
這意味著通過國家醫(yī)學圖書館，以及其他圖書館(包含數(shù)百萬個現(xiàn)存文件，而且數(shù)量還在日益增長的語料庫)提供的政策文件，研究結(jié)果和摘要信息搜索關鍵字。然后，研究人員必須評估所有返回的文章，以為測量開發(fā)找到zui相關，可靠和有用的文章。這一過程中，每一個測量都需要數(shù)百個人力。
這就是機器學習可以大顯身手之處。使用機器學習和自然語言處理的算法可以加速審查科學研究，可以使大型知識數(shù)據(jù)庫能夠幫助研究人員和臨床醫(yī)師，而且這數(shù)據(jù)庫對他們來說都是可用的。
質(zhì)量測量有幾種不同的類型。美國衛(wèi)生健康研究與質(zhì)量機構(gòu)(AHRQ)明確了以下三種測量類型：
?、俳Y(jié)構(gòu)性測量著眼于組織的系統(tǒng)，能力和流程，例如從業(yè)者與患者的比例，實體設施和設備，他們對員工和培訓項目的專業(yè)知識。
②過程測量側(cè)重于提供的護理，其中包括治療，預防性服務，診斷和醫(yī)護人員為保持或改善患者的健康而采取的其他行動。
?、劢Y(jié)果測量側(cè)重于服務或治療對患者健康狀況的影響，如發(fā)病率，死亡率，并發(fā)癥或治療條件的改善/惡化。
在結(jié)構(gòu)-過程-結(jié)果模式中，做出的假設是有效的結(jié)構(gòu)能夠帶來良好的過程，良好的過程增加了積極結(jié)果的可能性。測量開發(fā)人員在設計質(zhì)量測量并確定合適目標時，他們會尋找這些證據(jù)鏈接。
大部分質(zhì)量測量——特別是與結(jié)果和過程相關的測量——可以分為標準化分子式。這些測量用百分比表示，分母是目標人群，分子是測量焦點(我們要測量的過程或結(jié)果)。
例如：
測量焦點=急診次數(shù)
目標人群=哮喘患者
在這個例子中，我們用一段時間內(nèi)的急診數(shù)量除以在醫(yī)護人員照料下的哮喘病患總數(shù)，以此確定在那段時間內(nèi)急診室中哮喘患者的比例到底是多少。
然后，這一測量定義了變革觀(或質(zhì)量構(gòu)造)，即醫(yī)護人員所采取的旨在改變分子式中分子的行動。對于哮喘患者而言，這可能是為了更好的*維持而開出藥物。對于結(jié)果測量而言，質(zhì)量測量提供了一種預測，當采取某種行動時(在這種情況下開出特定的藥物)，結(jié)果將會有積極的變化(即急診次數(shù)有所減少)。
過程測量具有相似的結(jié)構(gòu)，但是，它是試圖衡量醫(yī)護人員實施被定義為*實踐的流程的程度。護士為頭部創(chuàng)傷患者提供合適的出院須知的時間比例是多少？現(xiàn)在，50歲以上的患者在*檢查中的比例是多少？
精心設計的質(zhì)量測量為醫(yī)護人員提供了循證目標，以評估其績效，并幫助他們確定改進機會。測量開發(fā)人員使用現(xiàn)有的證據(jù)基礎來制定合適的目標，并確保測量支持基于有效研究的*實踐。
質(zhì)量測量的高度結(jié)構(gòu)化格式使他們成為機器學習的理想目標。機器學習是人工智能的一種類型，這種人工智能使用分類算法對大量的數(shù)據(jù)進行分類以及檢測模式。自然語言處理使得算法能夠“讀取”和“理解”以自然(人類)語言編寫的文檔。計算機程序一起使用這兩種方法，它被設計用于從科學文獻中提取知識。
這正是機器學習加快醫(yī)療質(zhì)量測量發(fā)展過程的方式。該程序并不是進行簡單的關鍵字搜索，而是掃描文檔的內(nèi)容，以確定哪些文檔與回答當前問題zui相關。
對于測量發(fā)展而言，它必須搜索包含醫(yī)療測量要素的文檔：例如過程或結(jié)果，目標人群和變更動因或機會。zui有價值的文檔不僅包含以上三種要素，還包括能讓研究人員得出有效結(jié)論的定量實證：例如，“當II型糖尿病患者每日增加30分鐘的有氧運動(變更動因)時，患者(目標人群)減少了(變更方向)他們血糖升高30%的天數(shù)。”
使用關鍵詞搜索來查找這些相關性會反饋許多關于目標人群的文章，通過這些文章，測量開發(fā)人員必須進行手動搜索，然后制定指導方針。人工智能可以大大加快環(huán)境掃描這一部分的過程，通過確定更有針對性的一組文獻，并提供有關文章的測量開發(fā)人員的摘要信息，會將研究時間從幾個月或幾年縮短到幾天或者幾個小時。
為了解決測量發(fā)展的問題，利用基于本體的類別和原理的程序可以應用于構(gòu)建一個能夠提取意義的知識庫。被稱為“三元組”的原理可以使程序能夠在可用于測量開發(fā)的數(shù)據(jù)中找到。例如，“對于在醫(yī)院的患者來說(目標人群)，醫(yī)院護理人員洗手(變更動因)會降低葡萄球菌的傳播(結(jié)果)。”
對于測量開發(fā)人員而言，這些程序可以快速地對相關文獻的正文進行整理，并創(chuàng)建一個客觀事實數(shù)據(jù)庫。然后，開發(fā)人員可以利用本體論來確定這些事實之間的關系，并將其映射到質(zhì)量測量的基本結(jié)構(gòu)上。
測量開發(fā)人員仍需審查所提取的知識，評估結(jié)論，做好實際測量的編寫工作。但是，利用人工智能進行環(huán)境掃描可以將測量開發(fā)中zui費力的部分簡化為人力完成這一過程所需的一小部分時間。通過與機器學習的合作，行業(yè)不僅可以使測量發(fā)展的更快，而且還可以確保測量是以可用的*證據(jù)為基礎。