使用人工智能改善退伍军人的健康成果

Sanith Wijesinghe是用于建模，模拟，实验和分析的创新领域。他的工作探索了提高合规性和减少税收和福利交付欺诈的方法，以及其他主题。3月，我们与Wijesinghe谈过他的工作使用数据改善健康和福利交付对于退伍军人。最近，我们与Wijesinghe再次与领导Miter的健康创新研究的Sybil Klaus博士进行了交谈，以更多地了解Miter如何使用人工智能（AI）来应对退伍军人社区中的一系列艰难挑战。

您能否让我们了解MITER如何看待AI，以解决资深人口的医疗保健和服务提供问题的一种方式？

Sanith Wijesinghe：我们真的从系统方法开始。患者和医院是复杂系统的组成部分，其中许多其他交织系统的相互作用驱动了结果。因此，经典的统计分析可能是误导或不确定的，因为这些方法的基本假设可能不是正确的。

目前，我们正在与几家医院和大学合作研究和开发针对临床问题的AI解决方案。

Sybil Klaus：一个例子是对波士顿儿童医院的研究。MITER一直在探索一种称为多元型型分析的替代统计方法的生存能力，以检测不良患者事件，包括患者中心线相关的血流感染。

当患者的大静脉导管以吸血或提供液体时，可能会发生这些。由于中央线经常长时间停留，因此细菌有时进入血液并引起感染。

SW：我们的研究将多个生理数据流融合在一起，以衡量患者的全球状态，并在发生之前发现不良健康事件的特征。我们还融合了行政和临床数据，以测量系统的全球状态（在这种情况下为医院），以更好地了解系统如何减轻和响应潜在的不良事件。这很难使用标准方法。

退伍军人健康领域的某些领域在哪里可以帮助带来更好的结果？

SK：我们对心理健康感兴趣，作为改善患者预后的广泛领域。精神障碍 - 包括严重的精神疾病，例如精神分裂症或躁郁症，抑郁症，焦虑症和药物使用障碍 - 在退伍军人社区中尤其是急性，在这些社区中，创伤后应激障碍和创伤性脑损伤率升高导致了一种流行病心理健康问题。

SW：我们知道，早期干预对于挽救生命至关重要。这就是为什么我们正在探索AI技术是否可以通过可穿戴传感器检测生理变量异常的AI技术表明疾病发作。

鉴于Covid-19危机，是否有机会使用AI来支持退伍军人获得护理？

SK：《关怀法》于3月下旬签署，其特征之一是对退伍军人的支持。《关怀法》专门​​呼吁VA帮助扩大“为孤立退伍军人的远程医疗服务”。我们认为，这实际上需要对精神卫生服务的需求预测。这样，您可以有效地对齐人员资源。

SW：我们将数据分析，建模和仿真工具的组合进行处理，以允许决策者探索“假设什么？”。方案。这一点很重要，因为当您在全国范围内发展出一种反应时，包括许多不同的城市，郊区和农村社区 - 我们提供的解决方案应考虑到大规模的依赖性。

SK：有了这样的问题，AI技术有助于我们探索替代方案，以帮助匹配供求，而这些供求可能没有被考虑。

MITER在卫生领域的设计和使用中如何处理隐私和公平性问题？

SW：AI技术通常需要大量的“地面真相”数据来融合准确的预测，这可能是健康领域的挑战。但是，现在，有一些没有这种先决条件的“生成”方法的类别。

生成方法创建了建模者可以使用的现实数据。一个很好的例子就是我们的合成数据生成和疾病建模工具，在卫生IT社区中已被广泛接受。

SK：和Synthea，研究人员获得了进行健康IT开发和实验所需的大量数据。

这使他们能够将AI技术的力量用于不影响患者隐私的情况下。

- 由格雷格·迈克尔迪斯（Greg Michaelidis）进行