APPERCASE
vasb@nccrepnfr.eh +7 499 302-34-17

Исследователи выявили скрытые истории самоповреждений с помощью машинного обучения

Исследование показало, что традиционные методы учета самоубийств и самоповреждений в медицинских записях могут недооценивать реальное количество случаев. Ученые из Университета Нью-Мексико применили машинное обучение для выявления скрытых историй самоповреждений.

Важные данные о психическом здоровье часто скрыты в медицинских записях, что затрудняет их обнаружение, особенно когда они отсутствуют в кодах диагнозов, используемых клиницистами и исследователями. Новое исследование, проведенное учеными из Школы медицины Университета Нью-Мексико, проанализировало электронные медицинские записи более 1,3 миллиона пациентов, обслуживаемых Управлением по делам ветеранов (VHA). Исследование выявило, что коды диагнозов фиксируют лишь около четверти клинически задокументированных случаев самоповреждений.

По словам исследователей, если учитывать только то, что легко видно в кодах диагнозов, можно существенно недооценить потребность в психиатрической помощи. Более точные методы учета могут помочь системам здравоохранения лучше планировать, а исследователям — более точно изучать оказание помощи. В результате анализа было установлено, что задокументированные случаи самоповреждений встречаются у 7,9% пациентов, что более чем в четыре раза превышает 1,85%, видимых только через коды диагнозов.

Проблемные списки, которые составляют врачи для обозначения состояний здоровья пациентов, также продемонстрировали недостаточную видимость. Из ветеранов с кодом диагноза самоповреждения лишь 22,6% имели соответствующую запись в своем проблемном списке. Это означает, что даже когда самоповреждение фиксируется в кодах, оно часто отсутствует в одном из самых заметных полей записи.

Исследование не ставило целью предсказать будущие случаи самоповреждений, а проверяло, может ли компьютерная модель использовать данные для оценки вероятности наличия истории самоповреждений, которая могла быть упущена в кодах диагнозов. Для этого использовался метод PULSNAR, который учитывает неопределенности в медицинских записях.

Команда исследователей, состоящая из экспертов в области медицинской информатики, компьютерных наук и психиатрии, подчеркивает, что их метод все еще является инструментом для исследований и не готов к использованию в клинической практике. Однако с дальнейшим развитием он может помочь системам здравоохранения лучше оценивать недоученные психические состояния и выявлять записи, требующие более тщательного анализа.

Работа направлена на то, чтобы помочь исследователям и системам здравоохранения находить задокументированные истории и клинически значимые паттерны в данных, чтобы команды по оказанию помощи могли получить более полное представление о пациентах.

Эта новость создана искусственным интеллектом на основе открытых данных и предназначена исключительно для информирования. Администрация сайта не несёт ответственности за её содержание. Новости агрегируются из различных источников, включая недружественные России страны и их средства массовой информации. Социальные сети Facebook, Instagram и WhatsApp принадлежат корпорации Meta, которая в России признана экстремистской организацией.

Apple активно увеличивает набор сотрудников в Индии, что подчеркивает растущую роль страны в глобальной технологической экосистеме компании. Основное внимание уделяется искусственному интеллекту, платформам данных и программной инженерии.
В Шотландии планируется строительство огромного дата-центра стоимостью £8,2 миллиарда, который может получить £80 миллионов в год на скидках по электроэнергии, в то время как счета для домохозяйств продолжают расти.
Иордания и Саудовская Аравия подписали стратегическое соглашение для развития арабских моделей искусственного интеллекта, что станет важным шагом в переходе Иордании от простого использования ИИ к активному участию в его разработке.
Написать нам