16、机器学习与电子医疗记录：医疗领域的创新与挑战

机器学习与电子医疗记录：医疗领域的创新与挑战

1. 电子病历的实施与影响

电子病历（EMRs）在临床工作中虽能节省时间，但并不一定减少医护人员与单个患者相处的时间。成功实施电子病历依赖于全面的培训以及医护人员参与规划过程。在实施前评估行为，有助于管理层了解员工需求并调整指令。电子病历不仅增加了患者获得积极治疗结果的可能性，也提升了医护人员在事故中的个人责任感。

2. 机器学习方法

2.1 常见的机器学习分类

研究中常见的机器学习方法分为有监督学习、半监督学习、弱监督学习、无监督学习和基础学习。深度学习及其相关方法在文献中也有体现，多数深度学习技术采用有监督学习，仅有一项研究探讨了基础学习与深度学习策略的结合。

2.2 有监督学习

约一半的成人研究采用标准有监督学习模型。有监督方法使用标记数据进行训练，关注预测表型的特征和“金标准”表型指标。常见的双表型分类方法包括决策树、逻辑回归和支持向量机（SVMs）。

分类方法	特点
决策树	有根节点代表主要决策点，分支节点反映特定输入变量的条件，增加输入变量可增强模型预测能力
逻辑回归	可视为线性回归的扩展，使用逻辑函数将预测值转换为基于阈值的二元结果
支持向量机（SVMs）