深度学习模型利用EHR数据来预测疾病结果

根据JAMA Network Open发表的一项研究，旧金山的一组研究人员开发了一种EHR驱动的深度学习模型，该模型能够准确预测类风湿性关节炎(RA)患者的预后。
 

第一作者Beau Norgeot，MS和同事的目标是建立一个可以使用EHR数据预测复杂疾病结果的准确AI模型，因此RA是他们进行预后研究的自然选择。美国风湿病学会的数据显示，有42%的患有这种疾病的患者在上次就诊时具有中等或较高的疾病活动性，而且由于每个患者的疾病轨迹都不同，因此很难找到一种全面的RA治疗方法。

加利福尼亚大学旧金山分校的诺杰特说：“了解患者的未来状况将使医生能够定制当前的治疗方案，以防止疾病恶化，但要预测未来的状况需要复杂的建模和信息。”在JAMA中。“如果成功，则可以在临床每次访问时以个性化的方式在临床上使用预测疾病活动的能力来告知治疗的积极性。”
 

研究人员使用来自两个不同EHR的不同医疗系统的数据开发了一种新颖的深度学习模型：大学医院(UH)和公共安全网医院(SNH)。这项研究表明，两家机构的患者人数和治疗方式都大不相同。

从2012年1月开始，UH提供了超过一百万个独特的患者记录，而从2013年1月开始，SNH拥有了65,000个患者的记录。从EHR中提取结构化数据，包括药物，人口统计学，实验室和疾病活动的先前度量，并建立一个纵向模型来预测RA患者下次风湿病门诊时的疾病活动。

该研究共包括578名UH患者和242名SNH患者。在UH接受治疗的患者比在SNH接受治疗的患者更为频繁(两次就诊之间相隔100天，而180天为两次)，并且被更频繁地开具更高级别的药物。
 

在UH，该团队的深度学习模型在116名患者的测试队列中达到了接收器工作特征曲线(AUROC)下方0.91的区域，这一有益结果在117名患者的SNH队列中再次进行测试时仍然成立。尽管基线特征不同，但经过UH训练的模型在SNH患者中实现的AUROC为0.74。

作者说，他们的研究结果表明深度学习模型可以在仅数百名患者的队列中成功进行训练，以准确预测复杂的疾病结局，他们的工作证明了这些模型可以推广。他们仍然承认，在SNH队列中其结果的准确性较差。

他们写道：“鉴于这些中心患者的人口统计学和社会决定因素存在许多差异，我们认为该模型具有显着高于随机性的功能仍然很有希望。” 通过考虑不超过每个患者病史的最近一年，但允许患者具有四个月的病史，如果未来的前瞻性研究证明，该模型可能对患者的所有护理阶段都具有实用性。

“尽管风湿病专家必须在一次访问中综合以做出决策的数据量就很大并且还在增加，但是本文呈现的结果表明，在不久的将来使用人工智能模型来辅助预测任务是有希望的。”

（编辑：ASP站长网）