• 文献检索
  • 文档翻译
  • 深度研究
  • 学术资讯
  • Suppr Zotero 插件Zotero 插件
  • 邀请有礼
  • 套餐&价格
  • 历史记录
应用&插件
Suppr Zotero 插件Zotero 插件浏览器插件Mac 客户端Windows 客户端微信小程序
定价
高级版会员购买积分包购买API积分包
服务
文献检索文档翻译深度研究API 文档MCP 服务
关于我们
关于 Suppr公司介绍联系我们用户协议隐私条款
关注我们

Suppr 超能文献

核心技术专利：CN118964589B侵权必究
粤ICP备2023148730 号-1Suppr @ 2026

文献检索

告别复杂PubMed语法，用中文像聊天一样搜索，搜遍4000万医学文献。AI智能推荐，让科研检索更轻松。

立即免费搜索

文件翻译

保留排版，准确专业，支持PDF/Word/PPT等文件格式，支持 12+语言互译。

免费翻译文档

深度研究

AI帮你快速写综述，25分钟生成高质量综述，智能提取关键信息，辅助科研写作。

立即免费体验

关于机器学习在电子健康记录中的当代应用的评论。

Comments on Contemporary Uses of Machine Learning for Electronic Health Records.

机构信息

Department of Biostatistics, University of North Carolina at Chapel Hill.

出版信息

N C Med J. 2024 Jun;85(4):263-265. doi: 10.18043/001c.120570.

DOI:10.18043/001c.120570
PMID:39466097
Abstract

Various decisions concerning the management, display, and diagnostic use of electronic health records (EHR) data can be automated using machine learning (ML). We describe how ML is currently applied to EHR data and how it may be applied in the near future. Both benefits and shortcomings of ML are considered.

摘要

各种与管理、显示和诊断使用电子健康记录 (EHR) 数据相关的决策都可以使用机器学习 (ML) 来自动化。我们描述了当前如何将 ML 应用于 EHR 数据，以及在不久的将来可能如何应用。同时考虑了 ML 的优点和缺点。

相似文献

1
Comments on Contemporary Uses of Machine Learning for Electronic Health Records.关于机器学习在电子健康记录中的当代应用的评论。
N C Med J. 2024 Jun;85(4):263-265. doi: 10.18043/001c.120570.
2
Detecting rare diseases in electronic health records using machine learning and knowledge engineering: Case study of acute hepatic porphyria.使用机器学习和知识工程在电子健康记录中检测罕见病：急性肝卟啉症案例研究。
PLoS One. 2020 Jul 2;15(7):e0235574. doi: 10.1371/journal.pone.0235574. eCollection 2020.
3
Predictive Modeling Using Artificial Intelligence and Machine Learning Algorithms on Electronic Health Record Data: Advantages and Challenges.基于电子健康记录数据的人工智能和机器学习算法的预测建模：优势与挑战。
Crit Care Clin. 2023 Oct;39(4):647-673. doi: 10.1016/j.ccc.2023.02.001. Epub 2023 Apr 26.
4
The Use of Deep Learning and Machine Learning on Longitudinal Electronic Health Records for the Early Detection and Prevention of Diseases: Scoping Review.深度学习和机器学习在纵向电子健康记录中用于疾病的早期检测和预防的应用：范围综述。
J Med Internet Res. 2024 Aug 20;26:e48320. doi: 10.2196/48320.
5
Machine learning models to detect and predict patient safety events using electronic health records: A systematic review.使用电子健康记录的机器学习模型来检测和预测患者安全事件：系统评价。
Int J Med Inform. 2023 Dec;180:105246. doi: 10.1016/j.ijmedinf.2023.105246. Epub 2023 Oct 9.
6
Predicting polycystic ovary syndrome with machine learning algorithms from electronic health records.基于电子健康记录的机器学习算法预测多囊卵巢综合征。
Front Endocrinol (Lausanne). 2024 Jan 30;15:1298628. doi: 10.3389/fendo.2024.1298628. eCollection 2024.
7
Electronic phenotyping of health outcomes of interest using a linked claims-electronic health record database: Findings from a machine learning pilot project.使用链接的索赔-电子健康记录数据库对感兴趣的健康结果进行电子表型分析：来自机器学习试点项目的结果。
J Am Med Inform Assoc. 2021 Jul 14;28(7):1507-1517. doi: 10.1093/jamia/ocab036.
8
A machine learning-based framework to identify type 2 diabetes through electronic health records.一种基于机器学习的通过电子健康记录识别2型糖尿病的框架。
Int J Med Inform. 2017 Jan;97:120-127. doi: 10.1016/j.ijmedinf.2016.09.014. Epub 2016 Oct 1.
9
The Evolving Use of Electronic Health Records (EHR) for Research.电子健康记录（EHR）在研究中的应用不断发展。
Semin Radiat Oncol. 2019 Oct;29(4):354-361. doi: 10.1016/j.semradonc.2019.05.010.
10
Automated feature selection of predictors in electronic medical records data.电子病历数据中预测指标的自动特征选择
Biometrics. 2019 Mar;75(1):268-277. doi: 10.1111/biom.12987. Epub 2019 Apr 2.

本文引用的文献

1
A large language model for electronic health records.用于电子健康记录的大型语言模型。
NPJ Digit Med. 2022 Dec 26;5(1):194. doi: 10.1038/s41746-022-00742-2.
2
Machine learning approaches for electronic health records phenotyping: a methodical review.基于机器学习的电子健康记录表型分析方法：系统评价
J Am Med Inform Assoc. 2023 Jan 18;30(2):367-381. doi: 10.1093/jamia/ocac216.
3
Exploiting Missing Value Patterns for a Backdoor Attack on Machine Learning Models of Electronic Health Records: Development and Validation Study.
利用缺失值模式对电子健康记录机器学习模型进行后门攻击：开发与验证研究
JMIR Med Inform. 2022 Aug 19;10(8):e38440. doi: 10.2196/38440.
4
A framework for the oversight and local deployment of safe and high-quality prediction models.安全且高质量预测模型的监督和本地部署框架。
J Am Med Inform Assoc. 2022 Aug 16;29(9):1631-1636. doi: 10.1093/jamia/ocac078.
5
Assessing the Generalizability of a Clinical Machine Learning Model Across Multiple Emergency Departments.评估临床机器学习模型在多个急诊科的可推广性。
Mayo Clin Proc Innov Qual Outcomes. 2022 Apr 26;6(3):193-199. doi: 10.1016/j.mayocpiqo.2022.03.003. eCollection 2022 Jun.
6
Medical Documentation Burden Among US Office-Based Physicians in 2019: A National Study.2019 年美国办公医生的医疗文档负担：一项全国性研究。
JAMA Intern Med. 2022 May 1;182(5):564-566. doi: 10.1001/jamainternmed.2022.0372.
7
External Validation of a Widely Implemented Proprietary Sepsis Prediction Model in Hospitalized Patients.在住院患者中验证广泛实施的专有脓毒症预测模型的外部有效性。
JAMA Intern Med. 2021 Aug 1;181(8):1065-1070. doi: 10.1001/jamainternmed.2021.2626.
8
Data-driven curation process for describing the blood glucose management in the intensive care unit.数据驱动的监护病房血糖管理描述编纂过程。
Sci Data. 2021 Mar 10;8(1):80. doi: 10.1038/s41597-021-00864-4.
9
Application of Artificial Intelligence-Based Technologies in the Healthcare Industry: Opportunities and Challenges.人工智能技术在医疗保健行业的应用：机遇与挑战。
Int J Environ Res Public Health. 2021 Jan 1;18(1):271. doi: 10.3390/ijerph18010271.
10
BioBERT: a pre-trained biomedical language representation model for biomedical text mining.BioBERT：一种用于生物医学文本挖掘的预训练生物医学语言表示模型。
Bioinformatics. 2020 Feb 15;36(4):1234-1240. doi: 10.1093/bioinformatics/btz682.