基于机器学习的用药安全保证框架
机器学习
2021-01-15 v1 计算机与社会
摘要
用药错误仍然是医院中可避免的患者伤害的首要原因。本文提出一个结合机器学习与安全工程方法的用药安全保证框架。它利用安全分析，基于专家意见主动识别用药错误的潜在原因。由于医疗保健如今数据丰富，可以用机器学习增强安全分析，从数据中发现用药错误的实际原因，并识别其与安全分析中预测结果的偏差。结合这两种视角，有可能实现对用药错误风险的主动和动态管理。我们将该框架应用于涉及胸外科（如食管切除术）的案例研究，其中给予β受体阻滞剂时的错误对控制心房颤动可能至关重要。该案例研究将称为SHARD的基于HAZOP的安全分析方法与贝叶斯网络结构学习和过程挖掘相结合以产生分析结果，展示了该框架在保障患者安全以及变革复杂医疗环境安全管理方式方面的潜力。
引用
@article{arxiv.2101.05620,
title = {A Framework for Assurance of Medication Safety using Machine Learning},
author = {Yan Jia and Tom Lawton and John McDermid and Eric Rojas and Ibrahim Habli},
journal= {arXiv preprint arXiv:2101.05620},
year = {2021}
}