2. 预测患者治疗结果
Posted: Tue Mar 18, 2025 4:31 am
医疗数据科学界长期以来一直将大数据视为预测治疗结果和了解不同治疗可行性的重要工具。这种策略是一种高科技分诊，医生必须权衡治疗方案的潜在风险与成功的可能性。
在新冠肺炎疫情期间，医生——尤其是在 美国医疗体系不发达的地区 ——不得不做出艰难的决定，决定谁能使用呼吸机，谁不能，以及其他事项。成功“预测生死”已具有新的紧迫重要性。
上述每个因素，如年龄和既往病史，都在这些分析模型中发挥作用。麻省理工学院斯隆管理学院的 Dimitris Bertsimas 教授以及近二十名其他 斯里兰卡电话号码数据 研究人员利用这些数据类开发了所谓的 COVIDanalytics 平台。
该平台使用 机器学习 根据患者的病情进展和特征预测治疗结果。然后，软件会给出准确的治疗建议，例如让患者住院或转入重症监护室。
3. 患者入院时的监控
医疗保健界正在探索多种使用大数据和机器学习来筛查患者、快速提供干预措施和分配资源的方案。坦帕综合医院是首批 部署面部扫描和人工智能技术 来应对和分类入院患者的医疗机构之一。
只需快速扫描，系统就能确定谁发烧了，谁没发烧——当患者出现潜在感染迹象时，系统会发出进一步检查的信号。在偏远地区或人手不足的医疗环境中，这对于充分利用有限的人员和资源至关重要。
无论在什么情况下，密切关注进入医疗机构的患者数量和病情都至关重要。在疫情期间，一眼就能知道有多少患者需要进一步筛查、有多少张病床可用以及哪家医院最有能力处理即将到来伤亡或疾病的病人，可以挽救生命。
这些情况使得统一、共享的医疗系统仪表板（由大数据驱动）变得如此重要。让急救人员、医院工作人员和调度专业人员准确、 实时地了解 医务人员和资源的可用性，对于有效分配有限的物资至关重要。这对于将患者送往可以及时就诊的医疗机构以及尽快应对最严重的病例也至关重要。
4. 识别有前景的候选药物
在药物研发方面，计算机在探索数百、数千或数百万种潜在化学组合方面的能力远远优于人类研究人员。
在寻找有效药物和疫苗的过程中（包括疯狂寻找可行的 COVID-19 疫苗），科学家依靠机器学习来预测病毒蛋白质将如何与现有或新型药物相互作用。这个过程被称为药物-靶标相互作用 (DTI) 预测。
为此，科学家利用大量现有的 DTI 数据库来训练神经网络。这种方法会生成一份最有可能与病毒蛋白结合并抑制其作用的药物或药物组合清单。
2020年3月， 清华大学、江苏省疾病预防控制中心和上海药物研究所的研究团队宣布，他们发现了一种有希望的新冠肺炎候选疫苗。
他们的方法涉及一个在“知识图谱”上训练的神经网络，该网络之前曾 成功找到巴瑞替尼（Baricitinib），这是 COVID-19 潜在治疗候选药物的最早例子之一。
科学家利用自然语言处理和机器学习构建这些知识图谱。该算法梳理了大量的医学档案，以寻找蛋白质和药物之间的联系，或其他对医学界有意义的关联。
在新冠肺炎疫情期间，医生——尤其是在 美国医疗体系不发达的地区 ——不得不做出艰难的决定，决定谁能使用呼吸机，谁不能，以及其他事项。成功“预测生死”已具有新的紧迫重要性。
上述每个因素，如年龄和既往病史，都在这些分析模型中发挥作用。麻省理工学院斯隆管理学院的 Dimitris Bertsimas 教授以及近二十名其他 斯里兰卡电话号码数据 研究人员利用这些数据类开发了所谓的 COVIDanalytics 平台。
该平台使用 机器学习 根据患者的病情进展和特征预测治疗结果。然后，软件会给出准确的治疗建议，例如让患者住院或转入重症监护室。
3. 患者入院时的监控
医疗保健界正在探索多种使用大数据和机器学习来筛查患者、快速提供干预措施和分配资源的方案。坦帕综合医院是首批 部署面部扫描和人工智能技术 来应对和分类入院患者的医疗机构之一。
只需快速扫描，系统就能确定谁发烧了，谁没发烧——当患者出现潜在感染迹象时，系统会发出进一步检查的信号。在偏远地区或人手不足的医疗环境中，这对于充分利用有限的人员和资源至关重要。
无论在什么情况下，密切关注进入医疗机构的患者数量和病情都至关重要。在疫情期间，一眼就能知道有多少患者需要进一步筛查、有多少张病床可用以及哪家医院最有能力处理即将到来伤亡或疾病的病人，可以挽救生命。
这些情况使得统一、共享的医疗系统仪表板（由大数据驱动）变得如此重要。让急救人员、医院工作人员和调度专业人员准确、 实时地了解 医务人员和资源的可用性，对于有效分配有限的物资至关重要。这对于将患者送往可以及时就诊的医疗机构以及尽快应对最严重的病例也至关重要。
4. 识别有前景的候选药物
在药物研发方面，计算机在探索数百、数千或数百万种潜在化学组合方面的能力远远优于人类研究人员。
在寻找有效药物和疫苗的过程中（包括疯狂寻找可行的 COVID-19 疫苗），科学家依靠机器学习来预测病毒蛋白质将如何与现有或新型药物相互作用。这个过程被称为药物-靶标相互作用 (DTI) 预测。
为此，科学家利用大量现有的 DTI 数据库来训练神经网络。这种方法会生成一份最有可能与病毒蛋白结合并抑制其作用的药物或药物组合清单。
2020年3月， 清华大学、江苏省疾病预防控制中心和上海药物研究所的研究团队宣布，他们发现了一种有希望的新冠肺炎候选疫苗。
他们的方法涉及一个在“知识图谱”上训练的神经网络，该网络之前曾 成功找到巴瑞替尼（Baricitinib），这是 COVID-19 潜在治疗候选药物的最早例子之一。
科学家利用自然语言处理和机器学习构建这些知识图谱。该算法梳理了大量的医学档案，以寻找蛋白质和药物之间的联系，或其他对医学界有意义的关联。