С недавним ростом использования электронных медицинских записей (ЭМЗ) и глубокого обучения, особенно через самообучающееся представление данных (SSRL), клиническое принятие решений претерпевает значительные изменения. В рамках нового обзора, основанного на 46 исследованиях, опубликованных с января 2019 по апрель 2024 года, исследуются основные тенденции и технологии, которые могут помочь медицинским учреждениям в разработке и внедрении SSRL.
Обзор выявил, что 43% моделей основаны на трансформерах, 28% — на автоэнкодерах, а 17% — на графовых нейронных сетях. Эти модели позволяют эффективно обрабатывать категориальные данные ЭМЗ, такие как коды диагнозов и процедур, что упрощает анализ и интерпретацию данных. SSRL позволяет моделям автоматически извлекать и обнаруживать важные характеристики из неразмеченных данных, что значительно снижает потребность в ручной разметке и увеличивает производительность.
Несмотря на достижения, обзор также подчеркивает существующие ограничения в оценке влияния этих технологий на клиническую практику. Например, многие исследования сосредоточены на частных данных, что может ограничивать обобщаемость результатов. Для успешного внедрения SSRL в клинические условия необходимо учитывать разнообразие данных и их стандартизацию.
Обзор также подчеркивает необходимость дальнейших исследований в области улучшения доступности данных, разработки лучших практик оценки и содействия многоинституциональному сотрудничеству для повышения обобщаемости моделей. Это может помочь в создании более эффективных и адаптируемых решений для здравоохранения, что, в свою очередь, улучшит качество медицинской помощи и результаты для пациентов.