导读 根据赖斯大学，德克萨斯农工大学，爱荷华州立大学和德克萨斯大学西南医学中心的研究小组的一项由国立卫生研究院资助的研究，针对机器学习患...
根据赖斯大学，德克萨斯农工大学，爱荷华州立大学和德克萨斯大学西南医学中心的研究小组的一项由国立卫生研究院资助的研究，针对机器学习患者的目标可能会增加接受肝癌筛查的人数。
定期和及时的健康检查可以通过早期发现来挽救生命，这可以减少症状并在癌症早期阶段实现更便宜，更有效的治疗。然而，筛查率仍然很低。例如，在只有4.2%的肺癌高危患者接受了 筛查。根据疾病控制与预防中心的数据，宫颈癌，乳腺癌和结直肠癌的筛查率未达到《 健康人2020年》的 目标。
该研究的作者使用了一个多期，随机的野外实验，涉及达拉斯大区大型医院系统的1,800名患者。每个患者都被随机分配到以下三种情况之一：“常规护理”，即医生在患者的常规护理就诊期间根据自己的判断提供预防性护理建议;“轻触式”，患者可以接收外联邮件和标准化的后续电话;或“患者导航”，即患者会收到相同的外联邮件和跟进电话以及动机教育。研究小组观察了18个月的筛查率。然后，他们通过开发一种将外展干预措施与合适的患者相匹配的算法，使用机器学习来最大化筛查率。
研究人员发现，如果没有个性化的针对性，外展干预将筛查率提高到25%。但是，以机器学习为目标的筛选率提高到了大约45%-49%。“这种个性化的方法来针对性的筛选最好的部分是，它是基于在(病人)记录已经提供的信息，”说 维卡斯·米塔尔，在赖斯的营销学教授 商业琼斯研究生院。
例如，相对健康并通过诸如达拉斯的瑞安·怀特(Ryan White)HIV / AIDS护理计划之类的慈善机构获得医疗保健的西班牙裔女性，如果收到邮件广告中的一封信，则更有可能受到筛查。相比之下，住在高收入社区并且更容易进入诊所的老年西班牙裔女性，如果收到邮件中的来信以及个性化的电话和帮助，则更有可能受到筛查。