一种新的基于人工智能的临床决策支持模型在预测 2 型糖尿病患者对各种治疗药物的反应方面优于现有的机器学习模型。

此外，该模型的开发人员在推出用户友好界面的过程中，实现了 CDS 机制与主要学术卫生系统的商业 EHR 之间的完全互操作性。

在他们的研究报告中，该团队表示他们的方法可能适用于任何数量的其他慢性病，在这个过程中将 AI 驱动的 CDS 带到护理点。

这项工作由东京日立公司的行业研究人员和盐湖城犹他大学健康学院的学术同事进行。5 月 11 日发表在《医学信息方法》中的一项研究对此进行了描述。

该大学的资深作者 Kensaku Kawamoto 医学博士和同事在大约 28,000 名糖尿病患者的记录中训练和测试了他们的创新人工智能。

Kawamoto 及其合著者将该系统称为基于治疗途径图的估计 (TPGE)，表明它在预测准确性方面优于梯度提升树和随机森林等机器学习模型。

他们指出，这种机器学习方法“在预测治疗结果的背景下会导致有偏见的估计”，并且“只能学习训练数据集中遇到的模式”，从而影响其临床可靠性。

同时，作者写道，他们的 TPGE 产生了“增强的预测性能;更符合临床直觉的预测，即治疗成功应如何随患者的基线值而变化;对实际临床实践中遇到的治疗模式的高覆盖率;以及一种系统的方法来识别何时没有足够的数据来提供准确的预测。”

作者评论说，他们现在正在寻求使用更大的数据集来实现药物对药物的预测和其他临床相关的决策辅助。

该研究的第一作者是日立公司的 Shinji Tarumi。