机器学习与可视化在临床决策支持中的现状与未来方向
机器学习
2019-06-07 v1 计算机与社会
机器学习
摘要
深度学习作为机器学习的一个领域，有望革新患者诊疗。但它尚未成为标准诊疗的一部分，尤其在个体患者诊疗方面。事实上，数据驱动技术在多大程度上被用于支持临床决策（CDS）仍不明确。迄今为止，尚无综述探讨机器学习及其他数据驱动技术的研究如何有效贡献于临床诊疗，以及它们能为临床医生带来何种支持。在本文中，我们考量两个数据驱动领域——机器学习与数据可视化——如何贡献于下一代临床决策支持系统。我们综述了关于启发式知识、机器学习与可视化已经并能够如何应用于三类 CDS 的文献。在利用预测建模进行预警方面已有大量研究，然而当前的 CDS 系统并未采用这些方法。借助交互式可视化与机器学习推断来组织和审阅患者数据的方法正日益流行，但仍处于原型阶段且尚未投入使用。有望受益于规范性机器学习（例如针对特定患者的治疗推荐）的 CDS 系统尚未开发。我们讨论了数据驱动方法在 CDS 中缺乏部署的潜在原因及未来研究方向。
引用
@article{arxiv.1906.02664,
title = {Machine Learning and Visualization in Clinical Decision Support: Current State and Future Directions},
author = {Gal Levy-Fix and Gilad J. Kuperman and Noémie Elhadad},
journal= {arXiv preprint arXiv:1906.02664},
year = {2019}
}