流行病学中的人工智能——当前的用例

艾茵·德·耶稣
《阿凡达》

艾恩是Emerj的人工智能分析师,负责报道人工智能的用例和各个行业的趋势。她曾在埃森哲担任多个职位。

Doctor-Globe-Stethoscope-iStock_000006373054Large

人工智能正在改变医疗网络的运作方式,以及医生执行日常活动的方式医学转录机器人协助手术。尽管更成熟的用例人工智能医疗我们相信,在未来三到五年内,用于医疗保健的人工智能解决方案将越来越专门针对个别用例。

在第二阶段人工智能时代精神,医疗网络的领导团队将熟悉基本的人工智能概念,他们将能够与供应商合作,为非常具体的医疗保健问题提供人工智能解决方案。

在这篇文章中,我们来看看AI在流行病学方面的状态,即疾病的发病率和传播的研究。人工智能在流行病学中的大部分应用是预测分析应用程序,也许毫不奇怪。

预测分析包括使用历史数据预测未来结果的人工智能算法。因此,有一些证据表明,它们可以帮助政府机构、社区卫生组织和研究人员根据这些预测找出一种疾病可能如何在人群中产生以及如何传播。

流行病学的预测分析应用几乎总是要求客户提供非常大量的匿名患者数据,这对那些与医疗机构没有良好合作关系的研究机构来说可能是一个挑战。

有兴趣将人工智能用于流行病学的领导者应该在选择与供应商做生意之前,考虑供应商的人工智能解决方案的数据需求。

我们涵盖了四个提供流行病学人工智能解决方案的AI供应商:IBM。Saama, SAS,和Orion Health。我们从IBM Watson Health开始分析这个领域。

IBM Watson健康

IBM Watson健康提供了Explorys数据集和分析解决方案,该公司声称可以提供生命科学公司和流行病学家更好地理解

疾病历史、流行病学和疾病进展,并确定对选定人群的经济影响。

该公司声称,了解这一点还将使组织能够确定进行更深入研究的努力,并确定最有可能从治疗中受益的人群

该公司美国分析软件背后的机器学习模型是经过培训的来自电子病历系统的5000万名匿名患者的门诊、住院和判决索赔数据。然后,这些数据将通过软件的机器学习算法运行。

这将训练算法识别哪些数据点相互关联人口中健康事件的比率,疾病的历史,以及他们最成功的治疗方法

该软件将能够预测疾病在人群中的发病率和患病率、疾病治疗模式以及与治疗相关的风险。

以下是短片5-分钟视频解释如何IBM Explorys数据集成来自多个护理设置的数据。这包括3至4年的个人患者数据,包括门诊、住院、专科护理和急性期后护理。其他类型的数据包括实验室结果、生命体征、生物测定和病人报告的结果。该视频报告数据每天和每周更新:

IBM华生声称有帮助智能分析使用IBM Explorys研究6500多名银屑病患者的治疗历程。SmartAnalytics的一个客户,一家制药公司,想知道银屑病患者从局部治疗到口服治疗,最后到注射治疗需要多长时间。

SmartAnalyst求助于IBM Watson Health,并利用Explorys发现,在三年的时间里,患者往往会跳过口服药物,并立即从局部用药过渡到注射用药。

Explorys数据集显示,大量患者从局部治疗过渡到注射在206天内,没有足够的时间,为一些局部治疗生效。然而,在改用注射剂之前尝试过口服治疗的患者平均需要488天。

有了这些信息,SmartAnalytics的客户制定了一项沟通计划,教育患者和医生让口服药物有时间发挥作用的重要性,并告诉他们更昂贵的注射剂是最后的治疗手段。

IBM Watson健康还列出了AHMC Healthcare、Schneck Medical Center、SmartAnalyst、Edward-Elmhurst Healthcare、Harrow Council、Floyd Health Care System和Hallmark Health Medical Associates作为一些他们过去的客户。

斯科特·斯潘格勒首席数据科学家和杰出的工程师IBM Watson健康拥有一个女士计算机科学德克萨斯大学奥斯汀分校。在此之前,斯潘格勒服务先是作为高级技术人员,然后作为首席数据科学家,杰出的工程师IBM沃森创新了19年

Saama技术

Saama提供了现实世界中分析该公司表示,这可能会有所帮助生命科学公司挖掘数据,使他们能够在临床试验期间监测数百万范围内的人群,并预测疾病的发病率或患病率使用机器学习

Saama声称应用程序驻留在云中。该公司补充道软件背后的机器学习模型被训练数据包括数十亿患者的电子医疗和健康记录。然后,这些数据将通过软件的机器学习算法运行。这将训练算法识别哪些数据点相互关联药物的功效

软件将能够预测治疗模式,如药物类型的变化,治疗的理想时间,以及疾病的患病率和发病率。

以下是短片3.-分钟视频演示如何Saama的现实世界分析揭示了肺癌患者的治疗途径的数据。用户选择数据来源、诊断和治疗,按性别和年龄显示患者人数,并显示给他们的流行治疗。

结果还显示了治疗的持续时间以及患者从一种治疗转向另一种治疗的时间:

Saama声称有帮助Pharmacyclics这家公司开发并销售治疗癌症和其他自身免疫性疾病的小分子药物随着临床业务的增长,药物循环学需要更好地最大化其临床数据。然而,数据筒仓使得生成自动化和准确的报告变得困难。

Pharmacyclics转向了Saama,后者部署了其临床开发优化器(CDO),这是生命科学分析云的一部分。

案例研究报告称,CDO的实施导致:

  • 临床操作数据的综合视图
  • 合并数据和自动的、无错误的报告
  • 提高临床操作数据的透明度和一致性
  • 增强了业务团队成员之间的协作
  • 标准化的数据和业务定义
  • 改进的数据流、数据管理和治理

Saama还列出了Actelion、Astellas、Bill and Melinda Gates Foundation、Brocade、Broadcom、Cisco、CSAA Insurance Group、Dignity Health、GoPro、Insurance Group、Otsuka、PayPal、Roche和Unilever作为一些过去的客户。

拉杰夫Dadia的首席技术官Saama拥有一个女士计算机科学加州州立大学芝加哥分校。在此之前,Dadia担任IT经理。

情景应用程序

情景应用程序提供了它的现实世界的证据该公司表示,这可能会有所帮助医疗服务提供商和生命科学公司更好通过提供来自各种来源的数据,了解人口并改善人口健康和治疗。

这些来源包括:

  • 环境
  • 电子医疗和健康记录
  • 基因组学
  • 社会经济数据
  • 临床试验,
  • 案例报告
  • 医疗保险索赔,
  • 公共卫生调查

然后将对数据进行分析使用机器学习和预测分析。该公司美国软件背后的机器学习模型被训练医疗点系统,电子病历,保险索赔、病人报告的结果和第三方数据

然后,这些数据将通过软件的机器学习算法运行。这将训练算法识别哪些数据点相互关联,例如,药物的使用和性能,以及病人对治疗的坚持和治疗偏好

这个软件可以预测现有药物的治疗价值可以通过识别它可以治疗的新疾病和新客户来扩大。这可能需要也可能不需要用户上传他们的信息新的客户群或营销活动计划事先输入软件。

情景应用程序声称有帮助Renown卫生创新研究所(Renown IHI)更好地理解遗传、临床、环境和社会经济因素如何影响人口健康。2016年9月,著名的IHI走上了正轨健康的内华达项目需要开发一种应用程序,根据性别、年龄和个人或家庭健康历史揭示患者的人群健康风险。

该应用程序还将用于发现疾病的公共卫生风险,疾病和环境因素,如空气质量。

根据案例研究,该项目的试验阶段征集了10 000名参与者,他们的DNA样本在60个工作日内收集完毕。该项目的第二阶段于2018年3月向4万多名内华达州居民开放。

SAS报告说,使用它的应用程序可以潜在地预测环境因素对内华达州人口健康的影响,并了解年龄、性别或基因在其中扮演的角色。这些结果可以用于推进精准医疗和其他卫生创新和研究。

情景应用程序还列出了本田、雀巢、汇丰、汉莎航空、健康数据要素、俄亥俄健康、斯德哥尔摩郡议会、新罕布什尔大学和西澳大利亚卫生部作为一些过去的客户。

猎户座的健康

猎户座的健康提供了Amadeus,一个人口健康管理和精准医疗的软件该公司表示,这可能会有所帮助医疗组织处理大量数据以预测和区分人群中的健康风险使用机器学习该公司解释说,有了这种能力,医疗机构将能够做出快速和明智的决定。

该公司美国软件背后的机器学习模型被训练索赔、临床和非传统数据,如组学、社会和行为数据。然后,这些数据将通过软件的机器学习算法运行。这将训练算法识别哪些数据点相互关联人口的健康风险

软件将能够预测哪些病人处于危险中,可以进行哪些治疗,以及伴随的费用。这可能需要也可能不需要用户上传他们的信息护理协调计划或个性化护理计划事先输入软件。

以下是短片2-分钟视频演示如何Amadeus整合健康数据,如声明,临床,行为,社会,基因组和设备,以确保医生有完整的病人记录。然后,该应用程序使用户能够分析这些数据,以识别有风险的患者并提供特定的治疗:

猎户座的健康声称有帮助斯科茨代尔卫生伙伴(SHP)是一个由医生领导的临床网络,覆盖了6万多名患者,它建立了一个健康信息交换系统(HIE),提供完整、准确的患者数据。

SHP转向Orion Health建立HIE,使其700多名参与的临床医生能够使用不同的EMR软件共享健康信息。HIE还使临床医生能够识别高危患者,找到与适当治疗有关的数据,并简化报告。

应用该软件,SHP能够预测患者出院后再入院的风险和影响因素。这使他们能够开发降低风险的程序,从而在应用程序部署的一年内减少了9%的重新接纳。

该案例研究还声称,在同一时期,SHP能够降低10%的成本,这归功于应用程序提供的预测。

该案例研究还声称,由于应用程序的预测,SHP是亚利桑那州医疗保险共享储蓄计划中唯一实现了近375万美元储蓄的项目。

猎户座的健康还列出了新墨西哥卫生信息交换中心、路易斯维尔大学医院、俄勒冈州卫生局、宾夕法尼亚州立大学卫生米尔顿·s·好时医疗中心和缅因州卫生保健中心作为一些他们过去的客户。

伊恩McCrae首席执行官猎户座的健康拥有一个女士电气工程奥克兰大学。在此之前,McCrae担任电信顾问他是伦敦证券交易所的高级商业分析师,同时也是科学与工业研究部的科学家。

标题图片来源:CIR Vitals

subscribe-image
保持在机器学习曲线的前面

在Emerj,我们拥有最大的关注人工智能的在线商务读者群体——加入其他行业领袖的行列,每周收到我们发送到您收件箱的最新人工智能研究、趋势分析和访谈。

感谢您订阅了Emerj“AI Advantage”时事通讯,请检查您的电子邮件收件箱以进行确认。