医疗资源不浪费，IBM靠深度学习预测病患急诊就医次数
报价宝综合消息医疗资源不浪费，IBM靠深度学习预测病患急诊就医次数
近日IBM研究团队发表了一项研究，透过深度学习技术分析病患的电子病历，预测病患日后到急诊就诊的次数，让医院借由预设模型辨识出真正需要急诊治疗的病患，制定急诊病患的优先级，发挥医疗资源最大的效益。
急诊室一直都是医院的一大挑战之一，过多非急诊状况的病患到急诊就医，会延误真正需要立即就医病患的治疗，且根据统计，这些不需要急诊的病患日后还可能会多次到急诊看诊，为了解决急诊病患过多的问题，辨别出哪些病患真正需要急诊治疗是非常重要的任务，可以让医院确保需要治疗的病患获得妥善的照顾。
为了准确的辨识出需要急诊的病患，IBM中国的研究团队开发了一套神经网络模型，透过病患的电子病历资料，来预测一名病患到急诊就医的次数，该模型是用典型的递归神经网络（Recurrent neural network，RNN），但是不像传统的机器学习方法，该神经网络会根据病患看急诊的行为和与其他病患数据之间的相关性，动态地模拟病患未来看急诊的行为。
IBM研究团队指出，在预测一名病患是否会到急诊就医的部分，相比典型的逻辑回归模型（Logistic regression），该神经网络准确率高出6.59％，而在预测急诊的就医人数上，该模型的准确率则是比传统的线性回归模型还要可靠，甚至，该模型的准确率，也比用于预测急诊人数的热门模型XGboost高2%。
IBM研究团队期望，透过该模型准确地预测一名病患日后会到急诊就医的次数，医院可以用来建立急诊就医的优先级，确保需要急诊的病患，能够得到即时的治疗与照顾。
