密鑰點
- 人工智能在多行業做出更好決策方麵發揮著重要作用,保健部門也不例外。
- 經驗規則:數據集越大機器學習方法的精度越好
- 保健數據分享難度很大,原因顯而易見,如GNPR
- 新建範式-通過分享知識而不是分享數據相互學習
- 結交學習、群學和傳輸學習等方法使我們能夠跨機構交換知識並完全數據隱私
- 保健部門應創造空間開發這種通用機學習模型,以提供個性化精密醫學和保健
保健數據數字化和數字變遷啟動在許多方麵重構單個組織,例如優化保健過程、提供更好的保健、改變價值觀、態度和戰略以及當然作出更好的決策介紹廣度電子健康記錄不僅便於保健利益攸關方交換病人保健數據,還便於所收集數據互操作性子認知模式重構保健(Leodolter 2015)可幫助提升部分自主保健提供方協調像自控係統包括使用病人保健信息提供個性化醫學和保健方式
與醫學和保健並行,這是每個保健提供者嚴格疆界內兩個最重要的方麵,現在是全行業深入了解的時候了。人類互相學習時,我們可以做更多事醫保網絡越大 彼此學習越多切換機學習方法/模型網絡內從單個機構數據獲取的知識, 而不是分享數據即為思想(Li etal2020年)
醫院正在按照數據隱私規則規範信息交流過程及其限製過去十年中,我們看到人工智能概念出現在日常生活中,幫助我們作出更好的決策。並漸漸地成為組織中子認知思想的一部分醫療領域不例外AI結果大有希望應用數據驅動機學習法預測某些臨床事件精度提高預防和護理
經典機器學習方法需要單點積存數據每位保健提供者通常主機接收病人數據並主要使用數據提供醫療、保健和文獻資料二次使用數據時,每個保健提供者的病人數據可起數據湖作用,應用機器學習方法方法獲取知識並用模型形式提供某些機構數據屬性最近使用EHR數據開發各種機學習模型,但需要外部驗證這些模型,以便開發泛型模型,對多機構組別進行合理區分然而,由於數據分享受限,這類研究往往難以完成。即使在數據匿名分享時,匿名也可能失密
聯合學習、群學習和轉移學習等技術正在出現,在知識交換方麵產生有利效果-換句話說:交換並合並機器學習模型而不是數據雖然前文提及方法略有差異,但總體思想是維護數據安全並學習完全數據隱私
聯想學習被描述為個人保健提供者開發模型彙總(Brisimi等2018年)Swarm學習模型參數在學習過程期間在保健提供者網絡內傳播學習可以是順序學習或與先前共識並行學習(Warnat-Heresthal等2021結交學習和群學處理單項臨床事件,轉學處理大局,模型用大套數據培訓高層次知識,然後個人保健提供者學習專用案例
歐洲聯盟2021年4月發布人工智能規則鼓勵機構負責任地使用AI通過這些開發,我們設想機構為創新創造空間以推進知識交換有可能對全醫保行業各種流行病學條件獲取泛泛洞見,以提供個性化精密醫學和醫保
利益衝突
無