Oct, 2023

改进患者分诊的一种新型网络科学算法

PDF
TL;DR该研究论文介绍了一种新颖的基于人工智能算法的病人分诊方法。通过分析病人数据决定其优先级，该算法能够准确地将病人分类为相应的分诊类别，并在实验中表现出较高的准确性和性能，相较于传统的分诊方法具有更高的效率、准确性和一致性，从而优化资源配置并提升医疗卫生服务的质量和病人的治疗效果。
patient triageartificial intelligencealgorithmaccuracyhealthcare delivery
发现论文，激发创造
  • 利用图神经网络支持患者的自动分诊

    利用人工智能开发的算法对急诊科患者进行分级，使用急诊科历史数据培训医疗决策流程，并根据患者的关键信息准确分类患者，实验结果表明该算法在精确性方面优于传统的分级方法，从而帮助医疗专业人员预测重症指数以指导患者管理和资源分配。

    Mar, 2024

  • 分诊下的可微分学习

    本文通过正式表征哪些情况下预测模型可以从算法分流中受益来探讨预测模型与人类专家之间的相互作用，提出了一种确定性阈值规则，介绍了一种可实际应用的基于梯度的算法，并在人工专业及科学发现的数据中进行了实验，论证了该算法提供的模型及分流策略具有优于其他竞争基线的性能。

    Mar, 2021

  • 检测医疗 AI 模型中的算法偏见

    通过使用 CART 算法，本研究提出了一种创新的框架，用于检测医疗人工智能决策支持系统中的算法偏见。通过一系列合成数据实验和格拉迪纪念医院的电子病历实验，我们验证了该方法的准确性和实用性，进一步证明了它在临床环境中作为确保公平和公正的关键工具。

    Dec, 2023

  • 应用 TriNet 在分诊过程中对肺炎和尿路感染进行筛查

    鉴于人口统计数据和寿命的稳定增长，北美的急诊科就诊人次正在增加。由于病人访问急诊科增多，传统的临床工作流程变得过载和低效，导致等待时间延长和医疗质量降低。针对这个问题，我们提出了 TriNet：一种用于医疗指导的机器学习模型，可以自动化对需要进行下游诊断确认的情况进行三级筛查。通过对医院急诊科数据的训练，TriNet 在检测肺炎（0.86）和尿路感染（0.93）方面达到了高的阳性预测值。这些模型优于目前的临床基准，表明机器学习医疗指导可以提供成本免费、非侵入性的对常见疾病进行高特异性筛查，减少过度检测的风险，同时提高急诊科的效率。

    Sep, 2023

  • 应急科室患者分诊的深度关注模型

    本研究提出了一种基于注意力机制的深度学习模型，可使用紧急科室病人的连续和规范数据以及医疗文本数据来预测病人所需的资源，从而提高排队模式的准确性和可靠性

    Mar, 2018

  • 个性化医疗中数据处理和利用的人工智能方法

    本文主要介绍了人工智能技术在医学领域中的应用，即基于大数据和机器学习的个性化医疗决策支持，以提供更好的医疗健康支持服务。

    Jul, 2022

  • 使用深度注意力神经网络进行患者风险评估和警告症状检测

    本文介绍了一种实际上应用的病人分流系统的操作组件。通过对德文医生笔记的学习，使用了一种基于注意力机制的卷积神经网络模型，实现了对病人紧急性的评估和提供了最恰当的医疗建议以及时间。此外，一种检测警告症状的方法也被介绍。

    Sep, 2018

  • 预测调度

    探讨利用机器学习算法进行医学影像诊断的问题，并提出在线调度问题的解决方案，通过分析来自不同紧迫性病人的数据，制定出优先顺序以提高病人救治效率。

    Dec, 2022

  • 应对生物医学中人工智能公平性和偏见的最新方法调查

    人工智能系统在临床实践中有潜力革新，包括提高诊断准确性和手术决策，并降低成本和人力。然而，需要认识到这些系统可能会延续社会不公平或表现出以种族或性别为基础的偏见。为了准确可靠地应用人工智能模型于临床环境中，理解和解决潜在的偏见至关重要。通过调查生物医学自然语言处理或计算机视觉领域的最新出版物，我们对生物医学领域中应用的偏见处理方法进行了概述，并讨论了每种方法的优势和弱点。最后，我们还回顾了从一般领域中可能应用于生物医学领域以解决偏见和提高公平性的其他潜在方法。

    Feb, 2024

  • 通过道德和哲学原则确保可信赖的医疗人工智能

    本文讨论了人工智能在医疗领域中的应用，特别是在医学图像分析中的最新进展、现有标准以及应用人工智能所需考虑的伦理问题和最佳实践。我们探讨了人工智能的技术挑战和伦理挑战，以及在医院和公共组织中部署人工智能的影响和关键技术措施。最后，我们提出了未来解决人工智能在医疗应用中的伦理挑战的建议和方向。

    Apr, 2023