Core Concepts
医療従事者が患者の緊急度指数を予測し、適切な処置とリソース割り当てを行うためのAIベースのアルゴリズムを開発・実装。
Abstract
患者トリアージは救急部門で重要な役割を果たし、AIを活用したアルゴリズムが従来の方法よりも高い精度を達成していることが示されている。
トリアージシステムは主観的な医療スタッフ評価に依存しており、多くの欠落変数がある可能性がある。
グラフニューラルネットワークや機械学習アルゴリズムは、患者データを分析し、トリアージプロセスを改善する可能性がある。
実験結果によれば、AIとネットワークサイエンスを組み合わせた新しい臨床アルゴリズムは従来の方法よりも優れたパフォーマンスを示す。
データとコードはGitHubで利用可能。
アブストラクト:
患者トリアージは救急部門で重要な役割を果たす。
AIと機械学習アルゴリズムによって開発された新しいモジュールは高い精度で患者分類を実現している。
方法:
既存のトリアージシステムへのオペレーター決定に基づく手法に対して、計算力に基づく自動割り当てメカニズムが導入されている。
結果:
様々な距離尺度や類似性メジャーに基づくグラフ生成から始まり、グラフニューラルネットワークや深層学習手法が使用されている。
Stats
最近では人間決定に頼った伝統的なトリアージ方法は限界があります。 (Fitzgerald et al., 2019)
患者データからグラフニューラルネットワークを作成し、患者分類に活用します。 (Olivia et al., 2018)
過去の訪問頻度や医療記録頻度も予測モデルに使用されます。 (Hong et al., 2018)
Quotes
"Trained the medical decision process using emergency department historical data." - Olivia et al.
"Machine learning algorithms have shown the possibility of analyzing electronic medical records." - Singh et al.