使用TriNet在分诊中筛查肺炎与尿路感染
机器学习
2023-09-07 v1 计算机与社会
摘要
由于人口结构及寿命的持续增长，北美各地的急诊科就诊量不断上升。随着更多患者前往急诊科，传统临床工作流程变得过载且低效，导致等待时间延长和医疗质量下降。其中一项工作流程是分诊医疗指令，受限于人力工作量不足、诊断不准确和侵入性过度检测。为解决此问题，我们提出TriNet：一种用于医疗指令的机器学习模型，可在分诊处对需下游检测以确诊的病症实现一线自动化筛查。为验证筛查潜力，TriNet在医院分诊数据上训练，在检测肺炎（0.86）和尿路感染（0.93）方面取得了较高的阳性预测值。这些模型优于当前临床基准，表明机器学习医疗指令能够以高特异性为常见病症提供无成本、非侵入性的筛查，在降低过度检测风险的同时提升急诊科效率。
引用
@article{arxiv.2309.02604,
title = {Screening of Pneumonia and Urinary Tract Infection at Triage using TriNet},
author = {Stephen Z. Lu},
journal= {arXiv preprint arXiv:2309.02604},
year = {2023}
}
备注
Index Terms: Downstream testing, Machine Learning, Medical directives, Modelling, Modular network, Pneumonia, Positive predictive value, Screening, Triage, Urinary tract infection