为何将机器学习集成到患者流仿真中?
机器学习
2021-04-19 v1 人工智能
多智能体系统
摘要
患者流分析可从临床和/或运营视角借助仿真进行研究。传统统计方法如随机分布方法已被用于构建患者流仿真子模型,如患者流入、住院时长(LoS)、治疗费用(CoT)和临床路径(CP)模型。然而,患者流入随时间表现出季节性、趋势性和变异性。LoS、CoT和CP很大程度上由患者属性及临床和实验室检测结果决定。因此,使用传统统计方法构建的患者流仿真模型被批评忽视了异质性及其对个性化和基于价值医疗的贡献。另一方面,机器学习方法已被证明能高效研究和预测入院率、LoS、CoT和CP。因此,本文阐述了将机器学习与患者流仿真耦合为何重要,并提出了一种概念架构以展示如何将机器学习集成到患者流仿真中。
引用
@article{arxiv.2104.08203,
title = {Why Machine Learning Integrated Patient Flow Simulation?},
author = {Tesfamariam M. Abuhay and Adane Mamuye and Stewart Robinson and Sergey V. Kovalchuk},
journal= {arXiv preprint arXiv:2104.08203},
year = {2021}
}
备注
Proceedings of the Operational Research Society Simulation Workshop 2021 (SW21)