机器学习 - 人工智能领域，使用统计技术使计算机系统能够从数据中“学习” - 可用于分析电子健康记录并预测紧急住院的风险，这是乔治研究所的一项新研究。牛津大学的全球健康发现。

该研究发表在PLOS Medicine杂志上，该研究表明，使用这些技术可以帮助健康从业者准确地监测患者面临的风险，并采取措施避免计划外的入院，这是医疗支出的主要来源。

英国乔治学院(George Institute UK)前数据科学家Fatemeh Rahimian表示，2017年英国有超过590万的紧急医院入院记录，其中很大一部分是可以避免的。

“我们希望提供一种工具，使医护人员能够准确地监控患者面临的风险，从而做出更好的患者筛查和主动护理决策，从而减轻紧急入院的负担。”

该研究使用来自英国临床实践研究数据链的相关电子健康记录，对1985年至2015年的460万患者进行了研究。考虑了广泛的因素，包括年龄，性别，种族，社会经济状况，家族史，生活方式因素，合并症，药物和婚姻状况，以及自首次诊断，最后一次使用卫生系统和最新时间​​以来的时间实验室测试。

使用更多变量和关于其时间的信息，发现机器学习模型提供了比先前使用的任何模型更紧凑的紧急入院风险预测。

“我们的研究结果表明，对于包含丰富个人信息的大型数据集，机器学习模型的表现优于传统的统计模型之一，”Rahimian说。“我们认为这是因为机器学习模型会自动捕获并”学习“我们之前没有意识到的数据之间的相互作用。

机器学习模型是否能够在其他医学领域中对风险预测进行类似的强有力改进还需要进一步研究。

英国乔治学院的研究由牛津马丁学院的深度医学计划资助。