1719547022
2024-06-26 13:34:03
医療機関は患者に関するデータに事欠かない。 電子健康記録（EHR） しかし、 遠隔患者モニタリングしかし、これまでITや臨床のリーダーにとって、この情報をリアルタイムの洞察に変換して患者ケアを改善し、治療費を削減することは困難でした。 .conf24、今年の スプランクの毎年恒例のラスベガス会議。
「今、世界は 人工知能 「機械学習は、医療業界が課題を解決し、より質の高いケアを提供するのに非常に役立ちます」と、Splunk のグローバル パートナー テクニカル マネージャーである Brett Roberts 氏は述べています。
Splunkは、機械学習の専門知識がなくてもユーザーが洞察を得ることができる「素晴らしい」すぐに使える機能を提供していると、Splunkのシニアパートナーソリューションアーキテクトであるアラン・ピーティ氏は述べた。 アマゾンウェブサービス。
しかし、独自のカスタムMLモデルを構築しようとしている医療機関にとっては、SplunkデータをAWSにある他の情報と統合することが理にかなっていると彼は言う。「これは データと洞察を、それに基づいて行動できる人々に提供する「」とピーティ氏は語った。
発見する： 臨床ワークフローの最適化により、患者の転帰が改善されます。
医療機関にとって必要な追加機能
ライブデモンストレーションでは、ロバーツとピーティは、 患者用ウェアラブルデバイス Splunk環境からAWSにデータを移行し、EHR、顧客関係管理プラットフォーム、その他のソースからのデータと統合しました。 Amazon SageMaker キャンバス、AWSのビジネス分析用のノーコードMLインターフェース。その後、 AWS グルーサーバーレスデータ統合ツールであるを使用して、データをフォーマットしました。最後に、マネージド SQL エンジン Amazon Athena を使用して、Roberts 氏と Peaty 氏は 183,000 件の患者記録に対してクエリを実行し、ウェアラブル トラッカーのデータと病院の再入院率との関連性を探しました。
結果は啓発的なものであり、ほぼ瞬時に明らかになりました。
「年齢が患者の入院可否に影響していることがわかります」とピーティ氏は言います。「それは理にかなっています。しかし、Splunk から提供されたもう 1 つの機能は、ウェアラブルの稼働時間に関するもので、これも影響を及ぼします。したがって、医療提供者として、これらのモデルが患者のケアをパーソナライズし、積極的に介入するのにどのように役立つかがわかるようになりました。」
データに基づく意思決定において患者を重視する
病院には、患者の再入院を減らすための経済的および臨床的インセンティブがあります。特に、メディケア・メディケイドサービスセンターの病院再入院削減プログラムは、コミュニケーションを改善し、再入院率を減らす医療機関の能力に応じて支払いを結び付けています。 ケア調整の取り組み再入院リスクの高い患者を病院が特定するのに役立つ予測モデルにより、医療提供者は患者が再び病院に戻ってくる前に連絡を取ることができ、避けるべき再入院を減らし、健康状態の悪化を防ぐことができる可能性があります。
ピーティ氏はまた、ML モデルが特定の患者についてどのように予測を生成できるかも示した。ウェアラブル デバイスをあまり使用しない 89 歳の患者の例では、モデルは患者が再入院する可能性が高いことを示していた。「そのため、医療機関として、私たちは患者に連絡を取り、介入を確実に行うつもりです」と同氏は述べた。
インタビューで ヘルステックロバーツ氏は、このデモは現在の広範な使用例を反映するものではなく、「可能性の芸術」を象徴するものだとした。しかし、このデモが、医療組織の生産性向上に役立ち、 予測分析の使用 現実世界の問題を解決するため。
彼は、ML モデルの設計と、これらのモデルの予測に基づく意思決定の両方に臨床医を含めることの重要性を強調しました。
「高い精度を確保する必要があります」とロバーツ氏は言う。「トレーニングが重要です。このような、生死に関わる可能性のあるユースケースでは、データ サイエンティストとドメインの専門知識を持つ人材の両方を確保するために、本当に努力を重ねる必要があります。」
「これはチームスポーツです」と彼は付け加えた。「人間的要素も含める必要があります。」
#患者データの予測力を解き放つ