智能健康信息学:前景

作者是一个广泛的多学科团队的一部分,该团队专注于开发用于医疗保健决策支持的新型智能系统。这些系统有潜力从根本上和决定性地改变医疗保健的连续性,前瞻性地指导适当的个性化护理,在最需要的地方。

例如,药物滥用筛查算法可以检测出30%的成瘾者,其阳性预测值为70%,并且可以在81%的时间里准确分类未来的使用率。1如果以疾病管理服务为目标实施这一模式,每百万登记生命可节省多达5 000万美元。作为一个集体,我们开发了乳腺癌风险识别算法,使用现成的临床数据,而不需要资源密集的检测来确定乳腺癌的区间风险。通过交叉验证,在12个月的间隔内,风险模型对癌症风险有42%的阳性预测值。2早期发现乳腺癌而不需要高价检测的能力有可能从根本上改善患者的结果,特别是在早期检测改善不足的人群中。

这些创新对政策意味着什么?它们提供了清晰的例子,说明我们可以而且应该通过更有效地指导和应用现有技术和基础设施,推动医疗保健成果和成本的大幅改善。例如,药物滥用筛查模式促进了与付款人关于如何提供疾病管理服务的对话,从而以一种具有成本效益的方式最大限度地提高参保人的利益,从而结束了低效的“一劳永尽”模式。乳腺癌风险识别算法,就像我们的药物滥用筛查模型一样,是在当前的工作流程中开发出来的,使用的是现成的数据,而不是昂贵的、有潜在风险的诊断测试。

这些决策支持工具在改善结果方面具有巨大潜力,但实施和广泛采用的障碍主要是文化和财务方面的,而不是技术方面的。为了实现电子医疗记录的全部好处,提高医疗质量,降低医疗成本,必须通过和颁布政策、法规,还有鼓励人们广泛接受这类智慧的报销策略,这些策略关注的是医疗保健的过程,而不是药物的产品和程序。然而,我们已经开始发现,智能系统实际上可以自己推动改革。我们完全可以通过更有效地利用现有数据以及处理数据的方式来实现医疗保健的实质性改善。随着我们向集成、智能信息学的方向发展,患者和支付者可以开始重新定位行业,使其转向更注重结果的护理和报销模式。

John S. Eberhardt III,是华盛顿特区DecisionQ公司医疗保健部门的执行副总裁。

Alexander Stojadinovic上校是美国陆军战斗创伤倡议的主任,沃尔特里德陆军医学中心外科副主席,也是美国卫生科学军种大学外科副教授。

托德·a·拉达诺(Todd A. Radano)是华盛顿特区DecisionQ公司的执行副总裁。

约翰·艾普尔(John Epple)是华盛顿特区DecisionQ公司的业务发展总监。

笔记

1.温斯坦,L., T. Radano, T. Jack, P. Kalina和J. Eberhardt III。多元概率(贝叶斯)网络在药物滥用障碍风险分层和成本估算中的应用健康信息管理的观点6(2009年秋季)。
2.Stojadinovic, A., C. Eberhardt, L. Henry, J. S. Eberhardt, E. A. Elster, G. E. People, A. Nissan, C. D. Shriver。乳腺癌风险分层的贝叶斯分类器的发展:可行性研究整形外科杂志(2010年3月29日)。

约翰·s·埃伯哈特三世;亚历山大Stojadinovic博士;托德·a·Radano;和约翰•普尔酒馆。“智能健康信息学:希望”健康信息管理的观点(2010年夏季):1 - 2。

打印机坚挺版本文

发布:

留下一个回复