醫療資源不浪費，IBM靠深度學習預測病患急診就醫次數

近日IBM研究團隊發表了一項研究，透過深度學習技術分析病患的電子病歷，預測病患日後到急診就診的次數，讓醫院藉由預設模型辨識出真正需要急診治療的病患，制定急診病患的優先順序，發揮醫療資源最大的效益。

急診室一直都是醫院的一大挑戰之一，過多非急診狀況的病患到急診就醫，會延誤真正需要立即就醫病患的治療，且根據統計，這些不需要急診的病患日後還可能會多次到急診看診，為了解決急診病患過多的問題，辨別出哪些病患真正需要急診治療是非常重要的任務，可以讓醫院確保需要治療的病患獲得妥善的照顧。

為了準確的辨識出需要急診的病患，IBM中國的研究團隊開發了一套神經網路模型，透過病患的電子病歷資料，來預測一名病患到急診就醫的次數，該模型是用典型的遞歸神經網路（Recurrent neural network，RNN），但是不像傳統的機器學習方法，該神經網路會根據病患看急診的行為和與其他病患數據之間的相關性，動態地模擬病患未來看急診的行為。

IBM研究團隊指出，在預測一名病患是否會到急診就醫的部分，相比典型的邏輯迴歸模型（Logistic regression），該神經網路準確率高出6.59％，而在預測急診的就醫人數上，該模型的準確率則是比傳統的線性迴歸模型還要可靠，甚至，該模型的準確率，也比用於預測急診人數的熱門模型XGboost高2%。

IBM研究團隊期望，透過該模型準確地預測一名病患日後會到急診就醫的次數，醫院可以用來建立急診就醫的優先順序，確保需要急診的病患，能夠得到即時的治療與照顧。