面向全球低资源地区的轻量级移动医生辅助自动化系统
机器学习
2021-10-29 v1 人工智能
计算机与社会
摘要
重要性：非洲与亚洲的低资源地区面临一系列独特的医疗挑战：传染病与非传染性疾病双重高负担；农村与人口稠密城市地区均缺乏训练有素的基础医疗提供者；以及缺乏可靠、廉价的互联网连接。目的：为应对这些挑战，我们设计了一个人工智能助手，以帮助低资源地区的基础医疗提供者记录人口统计与医学体征/症状数据，并实时记录与共享诊断数据至中心数据库。设计：我们使用多个数据集训练系统，包括基于美国的电子病历（EMRs）与开源医学文献，并基于机器学习算法开发了自适应的通用医疗助手系统。主要结局与测量：该应用从患者处收集基本信息，并向初级护理人员提供诊断与处方建议。该应用与现有系统的不同之处在于其覆盖了低资源国家典型的广泛常见病、体征与药物；该应用可在有无活跃互联网连接下工作。结果：我们已构建并实施了自适应学习系统，通过 Android 智能手机应用辅助受过训练的基础医疗专业人员，其与中心数据库交互并收集实时数据。该应用已由数十名基础医疗提供者测试。结论与相关意义：我们的应用将为低资源地区的基础医疗提供者提供一种工具，使其能够更快速、更准确地记录医疗接诊。该应用可被用于自动填充地方或国家 EMR 系统。
引用
@article{arxiv.2110.15127,
title = {Lightweight Mobile Automated Assistant-to-physician for Global Lower-resource Areas},
author = {Chao Zhang and Hanxin Zhang and Atif Khan and Ted Kim and Olasubomi Omoleye and Oluwamayomikun Abiona and Amy Lehman and Christopher O. Olopade and Olufunmilayo I. Olopade and Pedro Lopes and Andrey Rzhetsky},
journal= {arXiv preprint arXiv:2110.15127},
year = {2021}
}