Sběr, vytěžování a analýza dat jsou, jak už jsme opakovaně psali také ve Zdravotnickém deníku, budoucností medicíny. Dnes je ale vyhodnocování klinických dat, které by pomohlo s rozvojem personalizované medicíny, velmi náročné. Pomoci by do budoucna mohla metoda vyvinutá odborníky z lékařské fakulty při nemocnicích Mount Sinai v New Yorku, která dělá práci, jíž by za normálních okolností museli dělat lidé. Z elektronických zdravotních záznamů totiž umí vyhodnotit data charakterizující určité onemocnění, a vytvořit tak tzv. fenotyp, díky němuž je možno onemocnění ze záznamů rozpoznat.
Vědci z Icahn School of Medicine při Mount Sinai vyvinuli automatickou metodu studia elektronických zdravotních záznamů, která výrazně šetří čas a práci. Podle studie publikované nyní v odborném časopise Patterns je metoda stejně efektivní jako standardní postup při klasifikaci diagnózy.
Při svém výzkumu vědci popsali nový, automatický algoritmus založený na umělé inteligenci, který umí pročítat pacientská data z elektronických zdravotních záznamů. Nová metoda nazvaná Phe2vec přitom dokázala identifikovat určité choroby stejně přesně jako tradiční postup, který ovšem vyžaduje mnohem více ruční práce.
„Pokračuje exploze množství a typů dat elektronicky shromažďovaných v pacientských zdravotních záznamech. Rozplétání této složité sítě dat může být velmi zatěžující, což zpomaluje pokroky v klinickém výzkumu. V této studii jsme vytvořili novou metodu pro vytěžování dat z elektronických zdravotních záznamů za pomoci strojového učení, která je rychlejší a méně pracná než běžný standard. Doufáme, že to bude cenný nástroj, který umožní další, méně ovlivnitelný výzkum v klinické informatice,“ popisuje genetik a jeden z autorů studie Benjamin S. Glicksberg z Institutu Hassa Plattnera pro digitální zdraví při Mount Sinai.