خب بذارین یه داستان باحال براتون تعریف کنم درباره آدمهایی که به خاطر سوءمصرف مواد (یعنی مصرف مواد مخدر یا الکل و اینا به شکل مشکلدار یا خارج از کنترل) میرن بیمارستان. میدونید که این افراد نسبت به خیلیهای دیگه بیشتر در معرض خطر هستن که دوباره برگردن بیمارستان یا حتی خدایی نکرده فوت کنن. واسه همین، یه تیم خفن از محققها تصمیم گرفتن بفهمن چجوری میشه زودتر اونهایی که ریسکشون بالاست رو پیدا کرد و براشون زودتر کاری کرد تا اوضاع بهتر شه و کلی منابع بیمارستان هم الکی هدر نره.
کاری که کردن این بود که اومدن کلی داده از جاهای مختلف جمع کردن، نه فقط از پرونده پزشکی الکترونیک یا همون EHR (همون سیستمهایی که پروندهها رو دیجیتالی نگه میدارن)، بلکه حتی از یادداشتهای پزشکها و پرستارها (که بهش میگن دادههای بدون ساختار یا unstructured data)، اطلاعات وضعیت اجتماعی و اقتصادی بیماران (مثلا اینکه وضع مالی یا محل زندگیشون چطوره)، و حتی دادههایی که اورژانس سر صحنه به دست میاره (میگن EMS data، یعنی دادههای سیستم اورژانس). همه اینارو قاطی کردن تا بتونن دقیقتر حدس بزنن کی قراره تا ۳۰ روز بعد دوباره بستری شه یا خدایی نکرده فوت کنه.
برای کارشون کلی مدل یادگیری ماشین (machine learning، یعنی الگوریتمهایی که با داده کار میکنن و خودشون یاد میگیرن پیشبینی کنن) امتحان کردن اما بهترین نتیجه رو یه مدل به اسم گرادیِنت بوستد ماشین (Gradient-Boosted Machine) داد. این مدل وقتی دادههای ساختاریافته مثل پرونده پزشکی الکترونیکی، اطلاعات اقتصادی-اجتماعی و دادههای اورژانس رو با هم قاطی میکردن، تونست با دقت ۰.۷۴۶ (تو بازه اطمینان ۹۵ درصدی بین ۰.۷۳۲ تا ۰.۷۵۹) از همه بهتر پیشبینی کنه. این عدد رو بهش میگن c-statistic که هرچی نزدیکتر به ۱ باشه، مدل قویتره.
یه نکته جالب دیگه این بود که وقتی دادههای بدون ساختار مثل یادداشتهای دکترها و پرستارها رو هم اضافه کردن، خیلی به مدل کمک نکرد! یعنی فعلا هنوز نفهمیدن چطوری این نوشتههای متنی رو طوری استفاده کنن که مدل رو قویتر کنه. پس باید در آینده رو همین دادههای متنی بیشتر کار کنن.
وقتی اومدن ببینن کدوم ویژگیها (یا همون factors) از همه مهمتر بودن تو پیشبینی اینکه یه نفر احتمالاً دوباره بستری میشه یا فوت میکنه، دیدن تعداد دفعاتی که قبلاً بیمار و اورژانس رفته و اینکه چطور از بیمارستان مرخص شده، واقعاً مهم بوده.
جمعبندی ماجرا اینه که اگه میخواید بفهمید چه کسایی بعد از بستری شدن به خاطر سوءمصرف مواد ممکنه دوباره دچار مشکل بشن، بهتره فقط به دادههای عادی پرونده پزشکی اکتفا نکنید. کار این تیم نشون داد با ترکیب کردن اطلاعات از چند منبع مختلف، میشه پیشبینی خیلی دقیقتر و بهتری داشت و شاید حتی جون چند نفر رو هم بشه نجات داد. خلاصه، ترکیب دادهها یعنی قدرت بیشتر برای سیستم سلامت و آدمهایی که به کمک نیاز دارن!
منبع: +
