По статистике, около 2% пациентов в больницах США получают не те лекарства или им указывают назначают дозировку. Министерство здравоохранения США и ученые Калифорнийского университета в Сан-Франциско (UCSF) опубликовали исследование, в котором описали, как машинное обучение предвидит оптимальные схемы назначения лекарств врачами. В решении используются электронные медкарты пациентов.
Система машинного обучения, изучавшая мошеннические действия с банковскими картами, исследует прошлые транзакции. Отклонения от созданного базового уровня потребительского поведения учитываются системой, а службы безопасности банков получают уведомления.
Аналогично модель Google и UCSF выявляет рецепты, которые выглядят ненормальными для пациента и стадии его заболевания. Чтобы учитывать применение больным различных лекарств, их безопасные дозировки и сочетание, исследователи использовали электронные медицинские записи от пациентов. Изучаются анализы лабораторных исследований, предыдущие назначения лекарств, диагнозы и стадии заболевания. Исторические данные сопоставляются с текущим состоянием больных и составляется точный курс лечения. Персональные данные при этом не фигурируют.
В 75% модель ученых была точна: ее выводы совпали с назначениями врача. Но в 93% случаев модель точнее прогнозировала оптимальное лекарство.
Ученые говорят, что пока рано применять технологию в реальных условиях: предстоит дорабатывать модели машинного обучения.
