行政健康记录的机器学习：技术和应用的系统综述
摘要：机器学习为分析异构电子健康记录（EHR）提供了许多强大而有效的技术。行政健康记录（AHR）是为行政目的而收集的EHR的一个子集，机器学习在AHR上的应用是EHR分析的一个不断发展的子领域。现有的EHR分析综述强调EHR数据模态限制适用的机器学习技术的广度和可追求的医疗应用。尽管强调了数据模态的重要性，但文献未分析哪些技术和应用与AHR相关。AHR包含独特结构良好、分类编码记录，与EHR捕获的其他数据模态有所不同，并且可以提供有关患者如何与医疗系统互动的有价值信息。 本文系统地回顾了基于AHR的研究，分析了70个相关研究并跨越多个数据库。我们确定并分析了哪些机器学习技术应用于AHR，并追求AHR-based研究中的哪些健康信息学应用。我们还分析了这些技术在追求每个应用时的应用方式，并确定了这些方法的局限性。我们发现，尽管AHR-based研究相互之间是独立的，但在健康信息学研究中使用AHR的情况相当且不断增加。我们对这些研究的综合突出了AHR在追求越来越复杂和多样化的研究目标方面的实用性，尽管存在一些普遍性的基于数据和技术的限制。最后，通过我们的发现，我们提出了一系列未来的研究方向，可以增强AHR数据和机器学习技术对健康信息学研究的实用性。
作者：Adrian Caruana, Madhushi Bandara, Katarzyna Musial, Daniel Catchpoole, Paul J. Kennedy
论文ID：2308.14216
分类：Machine Learning
分类简称：cs.LG
提交时间：2023-08-29