Новое исследование проливает свет на многообещающий подход, использующий машинное обучение для более эффективного распределения медицинских услуг во время пандемии или в любое другое время, когда возникает нехватка терапевтических средств.

Результаты, опубликованные в журнале JAMA Health Forum, показали значительное сокращение ожидаемых госпитализаций при использовании машинного обучения для оказания помощи в распределении лекарств, используя пандемию COVID-19 для тестирования модели.

Доказано, что модель сокращает количество госпитализаций примерно на 27% по сравнению с фактическим лечением под наблюдением.

«Во время пандемии система здравоохранения была на пределе возможностей, и многие медицинские учреждения полагались на информацию о том, кто проходил лечение в порядке живой очереди, или на историю болезни пациента, - сказала старший автор статьи Адит Гинде, доктор медицинских наук, профессор неотложной медицины университета из медицинского кампуса Аншутц в Колорадо. - Однако эти методы часто не учитывают сложные взаимодействия, которые могут возникать у пациентов при приеме лекарств для определения ожидаемой клинической эффективности, и могут упускать из виду пациентов, которые получили бы наибольшую пользу от лечения. Мы показываем, что машинное обучение в этих сценариях - это способ использовать фактические данные в реальном времени для принятия обоснованных решений в области общественного здравоохранения».