不少積極的嘗試，例如正在加速電子健康記錄(Electronic Health Records,EHRs)的有效利用、病人信息的數(shù)量和細(xì)節(jié)，能夠通過(guò)多種信息源組合、分析各種各樣的結(jié)構(gòu)化和非結(jié)構(gòu)化的數(shù)據(jù)有助于提高診斷病人病狀的準(zhǔn)確性、根據(jù)病狀匹配治療方案以及預(yù)測(cè)病人患病或再患病的風(fēng)險(xiǎn)。
以電子健康記錄(EHR)中的數(shù)據(jù)為來(lái)源的預(yù)測(cè)模型被應(yīng)用于早起疾病的檢測(cè)，并且還降低了一些疾病的死亡率，比如充血性心力衰竭(CHF)和敗血癥等疾病。降低充血性心力衰竭(Congestive Heart Failure ，CHF)和敗血癥等疾病的死亡率。CHF在醫(yī)療保健支出的占比最大，CHF越早治療越好，這樣能夠避免花更多的錢治療并發(fā)癥。但是醫(yī)生常常會(huì)忽略它的早期臨床表現(xiàn)。來(lái)自于佐治亞理工學(xué)院的一個(gè)機(jī)器學(xué)習(xí)示例表明機(jī)器學(xué)習(xí)算法能夠比醫(yī)生從病人的圖表中分析出更多的因素，同時(shí)通過(guò)增加額外的特征，機(jī)器學(xué)習(xí)算法能夠有效提高模型區(qū)分CHF患者和非CHF患者的能力。
通過(guò)分析包含更多病患數(shù)據(jù)的大樣本數(shù)據(jù)，預(yù)測(cè)模型和機(jī)器學(xué)習(xí)能發(fā)現(xiàn)之前未能發(fā)現(xiàn)的細(xì)微差別和模式。Optum實(shí)驗(yàn)室從EHRs中搜集30萬(wàn)病人的信息，為預(yù)測(cè)分析工具創(chuàng)建了一個(gè)龐大的數(shù)據(jù)庫(kù)。這些工具將會(huì)幫助醫(yī)生做出基于大數(shù)據(jù)信息的決策，從而改善病人的治療。
實(shí)時(shí)監(jiān)控病情
醫(yī)療機(jī)構(gòu)正在通過(guò)持續(xù)性監(jiān)控病人生命特征來(lái)提供更加具有主動(dòng)性的治療，各種監(jiān)控?cái)?shù)據(jù)能進(jìn)行實(shí)時(shí)分析并及時(shí)發(fā)送警告給醫(yī)療服務(wù)提供者以便他們能及時(shí)了解病人病情的變化。通過(guò)機(jī)器學(xué)習(xí)算法進(jìn)行實(shí)時(shí)分析能夠幫助醫(yī)生做出挽救性命的決策并且對(duì)一些病癥進(jìn)行有效干預(yù)。
醫(yī)療 大數(shù)據(jù)架構(gòu) ：我們應(yīng)該怎么做?規(guī)?；笥衷撊绾巫?