“医院是惩罚[由医疗保险对于具有需要被重新接纳谁病人太多，”首席战略官特拉维斯弗勒利希说。为了预测哪些患者最容易再入院的风险，西顿医疗使用ICPA识别已知的危险因素，如吸烟，所以医务人员可以在家里更有效地集中于保持患者的努力。
要做到这一点，西顿是使用医疗工具，它可以让官员们挖掘使用自然语言处理非结构化数据和搜索技术的ICPA。该公司称，医疗保健数据超过80％是非结构化的，由医师笔记，登记表，出院小结，超声心动图等医疗文件。
当与结构化数据相结合，这一切都可以画的趋势，模式和偏差更准确的图片，使临床医生做出更好的治疗决策。她说，这个数据是在历史和叙事部分的医疗记录的物理部分找到。
从非结构化数据中获得的信息，然而，这只是不如使用ICPA用户创建的语言模型，西顿说。语言和预测模型本身取决于如何以及该模型已经被用户优化的精度。
在投资回报率方面，“成本和焦虑让所有这些信息，我们需要在结构化数据领域是相当巨大的，”弗勒利希说。“这有可能减少需要为每个可能的数据块，使每个人都型到每一个领域......哪个驱动器的人了墙提供的数据字段的潜力。我们不仅要相信有成本效益。”
西顿医疗保健高级流行病学家克里斯汀·杰瑟同意这一观点。“高技能的临床医生花费过多的时间在结构化字段输入数据上，这可能会减少所需的时间和精力。”While clinicians were already aware that smoking is an important consideration when looking at someone with CHF, she says the tool came back with some results they didn't expect for predicting the probability of a person's readmission to the hospital.
“我们发现一个有趣的事情是他们的生存状态，并为他们在辅助生活情况，以及他们是否有吸毒和酗酒，'Jesser说，”那是那是只有在成为重要的预测非结构化数据中发现一些社会因素在模型“。
如果ICPA变成数据到他们能够采取行动的信息，“我们获得更低的成本和更快的方式来获得我们提供的信息，'弗勒利希说，”这就是我们最大的希望是......改善服务不花尽可能多“。
不同的工作
“我们在的[查看]医学研究‘’一种全新的方式风口浪尖UOIT的麦格雷戈说，”数据是多方面的......我们有新的数据类型在刚刚新生的设置，我们正在寻找收集“”如大脑活动和药物被注入。除了寻找在早产儿感染和呼吸暂停，他们也开始考虑其他条件，如婴儿和成人的脑出血。“我们针对最危及生命的条件......在这里我们可以做一个显著的差异。”
IDC的费尔德曼承认“技术本身永远不会完美……但电脑，不像人，是一致的。”People can make judgments, though, and computers can't, so "if you combine the two, the outcome is more powerful" than relying on one or the other alone. Computers can "boost a physician's understanding of a patient" by crunching through more information than a human possibly could, and by then finding patterns in that information.
她看到预测分析和结构化数据进行保健内真正进入，在未来五年内，这将导致更低的成本和更少的不利情况。利用信息更好的能力，费尔德曼说，“将大大改变卫生保健的未来。”
以斯帖幸是一个自由撰稿人和编辑。她可以在到达eshein@shein.net。
了解更多关于医疗保健IT在Computerworld的医疗保健IT主题中心。
这个故事，“数据分析驾驶医学突破”最初发表计算机世界 。