醫(yī)院分級和評級系統(tǒng)可能對許多計劃擇期手術的患者有所幫助。但是，新發(fā)現(xiàn)表明，即使在質量評分始終很高的醫(yī)院中，從一個患者到下一個患者，其結局和費用也可能相差很大。

這項研究還表明，機器學習可以幫助優(yōu)化每個患者個人的選擇過程。這項工作是由麻省理工學院和密歇根大學的行業(yè)研究人員及其同事進行的。它發(fā)表在《醫(yī)學互聯(lián)網(wǎng)研究》雜志上。

醫(yī)學博士Mohammed Saeed和共同研究人員回顧了2018年大芝加哥地區(qū)4，200例髖關節(jié)置換患者的病歷。研究小組分析了術后90天的結果和費用不一致的數(shù)據(jù)。

正如許多患者在考慮在何處進行手術時所做的那樣，研究人員研究了多種來源的醫(yī)院評分。這些包括基于互聯(lián)網(wǎng)的消費者評分，質量星級，聲譽排名，平均年度手術量和平均結果率。

他們還分析了由機器學習算法匯編的排名。這些培訓針對具有相似特征和良好結局的先前患者進行了個性化的提供者匹配培訓。

事實證明，只有不超過四分之一的患者在結果方面與更高級別的醫(yī)院相匹配，而只有不到一半的患者在成本上達到最佳。

消費者評分，高品質明星和機器學習始終與更好的結果和成本相一致，并且在基于機器學習的排名的所有評分方法和分析中，改進都是最令人印象深刻的。

“ ［一種］基于精確導航的個性化方法，在各個醫(yī)院的背景下使用隨時可用的數(shù)據(jù)來表征患者的醫(yī)療復雜性，可能會顯著改善治療效果，同時降低總體護理成本，”作者在討論中評論道。 。

Saeed和合著者總結說：“通過廣泛的排名方法，可能有大量機會增加與適當醫(yī)院匹配的患者人數(shù)。”“在根據(jù)患者特定的機器學習對患者進行匹配的醫(yī)院中進行的髖關節(jié)置換手術具有更好的結果和更低的總護理費用?！?/p>

這項研究的六位合著者中有五位隸屬于Scale Corp.的Health，該公司銷售該研究中使用的機器學習軟件。

責任編輯：lq