面向患者的数据科学：数字健康时代用于评估和预测临床结果的综合框架
机器学习
2024-08-07 v1 人工智能
计算机与社会
摘要
本研究提出一种新型、综合性的患者中心数据科学框架，以适应数字健康时代的需求。我们构建了一个多维模型，将传统临床数据与患者自报结局、社会健康决定因素和多组学数据相结合，创建全面的数字患者表征。我们的框架采用多智能体人工智能方法，利用包括大型语言模型在内的各种机器学习技术来分析复杂的、纵向的 datasets。该模型旨在同时优化多个患者结果，同时解决偏见问题并确保可推广性。我们展示了如何实施该框架，以创建持续细化最佳患者护理策略的学习型医疗系统。这种方法有望显著改善数字健康创新向实际临床益处的转化，解决当前AI驱动医疗模型中的局限性。
引用
@article{arxiv.2408.02677,
title = {Patient-centered data science: an integrative framework for evaluating and predicting clinical outcomes in the digital health era},
author = {Mohsen Amoei and Dan Poenaru},
journal= {arXiv preprint arXiv:2408.02677},
year = {2024}
}