机器学习有助于指导住院病人转院的困难决策

研究人员使用引导式机器学习来训练、测试和验证一种算法，该算法可以预测考虑转移到不同设施的患者的死亡率。

这个工具可以根据忙碌的临床医生可以随时使用的因素进行调用，同时尊重他们的工作流程，同时帮助患者和家属确定按部就班的护理措施是否符合他们的目标和价值观。

这项工作是在匹兹堡的UPMC进行的，并于2月8日发表在《公共科学图书馆》上。

该团队将其名为SafeNet(用于安全和非选择性紧急转移)的模型与类似用途的前身工具qSOFA(用于脓毒症相关器官衰竭评估)进行了比较，发现其系统显然更准确，更容易推广到各种患者群体。

相应的作者Daniel MD、MDiv、MHSc和同事写道：“SafeNET不是临床判断的替代品，而只是触发暂停的一种方式，这样临床医生就可以在高风险患者(或其代理人)到达接收设施时，或者在某些情况下，在将患者转移到其支持社区之外之前，更好地告知他们疾病的严重程度，并实现护理目标。

在UPMC自己的研究范围内，霍尔说，该团队的主要目标是帮助告知一线医生，以便他们能够指导高危患者做出共同的决定。

他补充说：“该工具可以帮助为这些患者分配额外的资源，以确保护理计划符合患者的价值观和目标。”“通常，转院患者及其家属并不了解他们所面临疾病的严重程度，对转院到更高层次护理的结果抱有不切实际的期望。”