使醫療保健更加個性化

今天的衛生保健系統在很大程度上著重于在人們遇到問題后幫助他們。當他們確實接受治療時，它是基于在龐大且多樣化的患者群體中平均效果最佳的情況。

現在，“大規模醫療”公司正在使醫療保健更加主動和個性化-顧名思義，它正在為數百萬人提供服務。

大規模醫療采用一種新的方法，可基于新型的機器學習模型提出護理建議，即使只有個別患者，提供者和治療方法的少量數據可用，該模型也可以使用。

該公司已經在與健康計劃，保險公司和雇主合作，以使患者和醫生匹配。它還有助于識別出有可能在將來訪問急診室或住院的風險上升的人，并預測慢性病的進展。最近，Scale of Health顯示其模型可以識別有嚴重呼吸道感染風險的人，例如流感或，或者可能是。

Scale的Health首席技術官兼MIT的Dugald C. Jackson計算機科學與電氣工程教授John Guttag說：“從一開始，我們就決定所有的預測都將與為患者帶來更好的結果有關。” “我們正在嘗試預測哪種療法，醫生或干預措施將為人們帶來更好的結果。”

改善健康的新方法

規模健康聯合創始人兼首席執行官Zeeshan Syed在麻省理工學院學習電氣工程和計算機科學時遇到了Guttag。Guttag曾擔任Syed的學士和碩士學位的顧問。當Syed決定攻讀博士學位時，他只申請了一所學校，他的顧問很容易選擇。

Syed擁有博士學位。通過哈佛大學麻省理工學院的健康科學與技術計劃(HST)。在這段時間里，他研究了如何更好地管理心臟病發作的患者。這項工作對Syed來說是私人的：他的父親最近嚴重心臟病發作。

通過這項工作，Syed遇到了Mohammed Saeed SM '97，博士學位。'07，他也參加了HST計劃。Syed，Guttag和Saeed于2015年與David Guttag '05一起創立了Scale的Health，致力于利用機器學習的核心進展來解決醫療保健中最棘手的問題。

賽義德說：“首先是要解決醫療保健方面有關個性化和預測方面的實際挑戰的強烈要求。”

從一開始，創始人就知道他們的解決方案需要與廣泛可用的數據(如醫療保健索賠)一起使用，其中包括有關診斷，測試，處方等的信息。他們還尋求構建用于清理和處理原始數據集的工具，以使他們的模型成為Guttag所說的“用于衛生保健的完整機器學習堆棧”的一部分。

最后，為了提供有效的個性化解決方案，創始人知道他們的模型需要與個別醫生，診所和患者進行少量的交流，這給傳統的AI和機器學習帶來了嚴峻挑戰。

Guttag說：“進入[醫療保健AI]領域的大公司錯了，因為他們將其視為大數據問題。” “他們認為，”我們是專家。沒有人比我們更擅長處理大量數據。“我們認為，如果您要為個人做出正確的決定，那么問題就出在小數據問題上：每個患者都是不同的，我們不想向患者推薦什么?平均來說是最好的。我們想要每個人都最好的東西。”

該公司的首批型號幫助推薦了針對急性后護理患者的熟練護理設施。許多此類患者遇到進一步的健康問題，然后返回醫院。Scale of Health的模型表明，某些設施可以更好地幫助具有特定健康問題的特定人群。例如，一個有心血管疾病史的64歲男性在一家醫院的狀況可能會好于另一家。

今天，該公司的建議可幫助將患者引導至最適合他們的初級保健醫師，外科醫生和專家。Guttag去年更換髖關節時甚至使用了這項服務。