Artificial Intelligence for Global Health: Learning From a Decade of Digital Transformation in Health Care
生活在资源有限环境中的人们的健康需求是机器学习（ML）和医疗保健交叉领域中一个被广泛忽视和研究不足的领域。虽然ML在医疗保健中的使用在过去几年中随着深度学习的进步而更加普及，但在过去十年中，中低收入国家（LMIC）已经在医疗保健领域经历了自己的数字化转型，由于采用移动医疗（mHealth）而实现了跨越式发展。随着新技术的引入，通常采用自上而下的方法重新开始，孤立地实施这些技术，导致资源得不到利用和浪费。在本文中，我们概述了必要的考虑因素，无论是从目前的研究差距的角度来看，以及从卫生保健专业人员在资源有限的环境中的生活经验。我们还简要概述了在中低收入国家的卫生系统内成功实施和部署技术的几个关键组成部分，包括与构建机器学习解决方案相关的开发过程中的技术和文化考虑因素。然后，我们利用这些经验来解决在资源有限的环境中存在的关键影响机会，以及AI/ML可以提供最大利益的地方。
2020-05-27 cs.CY
Machine Learning as a Catalyst for Value-Based Health Care
在这篇手稿中，我们提出了一个论点，即人工智能的一个子领域机器学习可以通过减少临床决策中的错误来推动基于价值的医疗保健的改善。以前发表的关于医学中机器学习的大部分内容都是一次性使用或概念验证的案例，以及对机器学习的优点和局限性的广泛评论。现在是时候审视人工智能在医学中实施的更广泛战略，并强调机器学习如何积极影响基于价值的护理。
2020-05-15 cs.CY
Reconfiguring health services to reduce the workload of caregivers during the COVID-19 outbreak using an open-source scalable platform for remote digital monitoring and coordination of care in hospital Command Centres
2019冠状病毒病（COVID-19，即2019冠状病毒病）的爆发可能会使大多数西方国家的医疗系统饱和。我们描述了如何使用数字技术来自动和远程监控家中的患者。病人回答简单的自我报告问卷，他们的数据实时的传输到最近的参考医院的指挥中心。患者报告的数据通过算法自动过滤，以识别具有早期预警信号的患者。部署远程数字监测平台和指挥中心所需的所有软件组件的开放源代码均可获得。
2020-03-12 cs.CY
Machine Learning for Deferral of Care Prediction
本文利用机器学习预测患者延迟就医风险，并引入健康社会决定因素作为解释变量，同时评估模型在人口统计学、社会经济因素和合并症上的公平性，以支持医疗系统主动干预。
2022-06-09 cs.CY
Geographic Partitioning Techniques for the Anonymization of Health Care Data
医院和医疗保健组织收集大量详细的医疗保健数据，这是研究人员的高需求。因此，这类数据的拥有者需要采取方法，允许在不损害数据所涉个人机密性的情况下公布这类数据。由于这些数据的地理方面与正在进行的研究越来越相关，因此\emph{anonymization}进程必须适当注意这些数据的地理属性。本文提出了一种新的医疗保健数据匿名化系统。该系统的核心是在使用沃罗诺伊图的指导下汇总初始区域化。我们与另一个基于地理的匿名化系统GeoLeader进行了比较。我们表明，我们的系统是能够产生一个相当的质量与更快的运行时间的结果。
2015-05-26 cs.CY
Unified mobile public health care system (UMPHCS) for underdeveloped countries
在本文中，我们提出了一种新的基于智能手机的医疗保健，监测和诊断系统，该系统专门用于有效地增加不发达和发展中国家偏远，农村，偏远地区的公共医疗保健系统。在这个一体化系统中，我们将健康监测和诊断设备数字化，使每个设备都作为整个系统的最小“即插即用”传感器模块工作，从而从根本上降低成本。此外，操作整个系统的智能手机应用程序简单易用，减少了对熟练和训练有素的人力的需求，使其成为偏远农村地区政府卫生工作者的完美工具箱。
2014-10-15 cs.CY
Learning Bundled Care Opportunities from Electronic Medical Records
目的：医疗保健的收费服务办法导致以独立的方式管理病人的病情，从而导致各种负面后果。人们认识到，一个捆绑式的医疗保健方法，一个管理的健康状况的集合在一起，可以使更大的效率和成本节约。然而，在捆绑计划中应管理哪些条件集并不总是显而易见的。研究设计：从电子病历（EMR）系统中回顾性推断健康状况的集群。对医疗保健专家进行调查，以确定捆绑式护理计划集群的可行性。研究方法：我们设计了一个数据驱动的框架来推断集群的健康状况，通过其共享的临床工作流程，根据医疗保健员工的EMR利用率。我们评估了来自一家大型医疗中心的约16，500名住院患者的框架。通过对一组医疗保健专家进行调查，使用方差分析（ANOVA）在95%置信区间下评估了捆绑式护理集群的可行性。结果如下：该框架推断出四种疾病集群：1）胎儿异常，2）晚期妊娠，3）前列腺问题和4）慢性疾病（充血性心力衰竭突出）。专家认为每个集群都是合理的捆绑式护理。结论：研究结果表明，电子病历的数据可能为发现捆绑式医疗的新方向提供了基础。然而，将这些发现转化为实际的护理管理将需要进一步的完善，实施和评估。
2017-05-26 cs.CY
HAPI-FHIR Server Implementation to Enhancing Interoperability among Primary Care Health Information Systems in Sri Lanka: Review of the Technical Use Case
本回顾聚焦于通过实现HAPI-FHIR服务器增强斯里兰卡初级卫生保健系统的互操作性，解决技术、语义和流程挑战，并展望变革性的数字健康未来。
2024-02-05 cs.CY
Thinking Out Loud and e-Health for Coordinated Care Lessons from User Requirements Gathering in the 4C Project
电子健康是澳大利亚应对医疗保健服务成本上升和需求变化战略的核心部分。个人控制电子健康记录（PCEHR）花费超过10亿美元，只有6%的澳大利亚人注册，这表明用户仍然面临挑战。虽然证据证实了让用户参与系统开发的好处，但需要更多关于如何有效参与医疗保健环境的例子。这项研究描述了使用敏捷开发方法结合大声思考技术，提供一个解决方案，超过用户的需求，支持一个新的模式的照顾。4C项目解决方案将塔斯马尼亚西北地区的老年护理机构与全科诊所、医院和专家服务联系起来。它以技术介导的社会参与模式为基础。作为《公民权利和政治权利国际公约》的一个试验项目，目前尚不清楚为什么所吸取的经验教训似乎没有更明确地部署在国家推广计划中。
2016-06-05 cs.CY
Shifting Role of Customer from Recipient To Partner of Care In Healthcare Organization
最近的电子保健举措将客户（病人）视为医疗保健的接受者，他们在保健决策过程中没有重要作用。然而，Web 2.0的进步使患者在与其健康相关的决策过程中发挥更大的作用，因为他们可以获得访问和控制符合其个性化需求的信息的能力。然而，通过Web 2.0在电子健康中提供患者授权是一项具有挑战性的任务，因为医疗业务流程的复杂性。授权与客户关系管理（CRM）的概念密切相关，在管理与客户的良好关系。在CRM系统中采用Web 2.0被称为社交CRM或CRM 2.0。社会化CRM的出现，以适应患者与他们的医疗保健提供者之间的互动动态手段.本文的目的是提出一种模型，嵌入患者通过社会CRM干预，可以扩展作为个人健康演员，社会健康代理人，和医疗保健合作伙伴的患者的角色的授权。已进行一项调查，以获得客户对拟议模式的反馈。还开发了一个原型，即诊所2.0。使用原型，我们衡量其对客户满意度和健康素养的影响。结果表明，通过诊所2.0的系统干预提高了参与者的满意度和健康素养水平。
2013-04-19 cs.CY
Hiding in plain sight: insights about health-care trends gained through open health data
开放数据运动是实现政府组织问责制的一种方法，与联合国概述的可持续发展目标之一相一致。在保健领域，联邦和州一级的政府机构公布了公开的健康数据，其中包括去识别的患者结果、费用和评级。我们应用大数据分析来了解开放健康数据的模式和趋势。我们设想有关公民使用这些数据来了解国家和地方卫生支出的趋势。我们已经构建了一个开源工具，BOAT（大数据开源分析工具，https：//github.com/fdudatamining），以促进对开放健康数据集的分析探索。我们使用BOAT来分析来自纽约州规划和研究合作系统的数据，并确定从2009年到2014年，青少年心理健康问题的发生率显著增加（40%）。使用BOAT，我们分析了纽约州168，676名患者的髋关节置换手术费用，并显示这些患者中有88%的手术费用低于30，000美元。这一数字为理解加州公共雇员退休系统将髋关节置换补偿上限定为30，000美元的决定提供了基础，从而节省了大量资金。我们的工具可以使研究人员，医院，保险公司和公民获得关于医疗保健支出，成本和新兴趋势的公正观点。我们的工具在当前的经济环境中尤其有价值，因为大量的报告由特殊利益集团和游说团体控制。
2017-10-30 cs.CY
The Collaborations among Healthcare Systems, Research Institutions, and Industry on Artificial Intelligence Research and Development
Weill Cornell Medicine, Cornell University（康奈尔大学威尔康奈尔医学院）；Macaulay Honors College in Hunter College（亨特学院麦考利荣誉学院）
本研究基于全国5142份样本的横断面调查，分析了医疗AI研发中三方协作的现状、挑战与研发重点，提出了教育、数据共享、标准制定等促进协作的建议。
2025-08-26 cs.AI cs.CY
Can female fertility management mobile apps be sustainable and contribute to female health care? Harnessing the power of patient generated data ; Analysis of the organizations active in this e-Health segment
近年来，出现了个人健康技术，允许患者在诊所外收集广泛的健康相关数据。这些患者生成的数据（PGD）反映了患者的日常行为，包括身体活动，情绪，饮食，睡眠和症状。然而，主要参与者和学者都忽视了这些患者或正常人是女性的情况。分析了女性生育计划移动应用程序的电子健康部分（在美国称为：周期跟踪器）及其对其他女性医疗保健移动服务的可能扩展。市场潜力非常大，尽管年龄段适用。这些应用程序帮助女性记录和计划她们的月经周期，生育期，并通过相关的个性化建议缓解所有的不适。作为例证，深入描述了欧洲应用程序服务供应商的案例。从功能、采用、组织、财务和业务方面对全球10家供应商的服务进行了比较。研究问题：女性生育管理移动应用程序是否可持续并有助于女性健康护理，通过学术文献研究，7个基本假设的测试和有限的用户驱动的实验需求分析相结合来研究。从用户的角度来看，质量和影响的指标提出。结论是对研究问题的适度肯定，但有几个条件。进一步的研究和创新的想法，以及营销和战略方向提供，包括。与男性生育应用的关联
2018-09-28 cs.CY
Health Care Crowds: Collective Intelligence in Public Health
在医疗保健中实施群体是为了什么目的？正在使用哪些众包方法？本研究通过对110项相关研究进行系统的文献综述，报告了早期结果，从而开始回答这些问题。这项正在进行的探索性研究的结果表明，集体智慧的成果正在公共卫生保健的三大类中产生;健康促进，健康研究和健康维护，使用所有三种已知的众包形式。从这个基本的分析，一些潜在的影响的研究进行了讨论和有用的未来研究的概述。
2017-02-10 cs.CY cs.HC
Case study Vanderbilt University Medical Center Data Chaos
由于老龄化人口的增加、对个人健康问题的共同意识以及医疗技术的改进，美国的医疗保健行业正在迅速发展。随着医疗保健行业的不断发展，患者数据的收集和存储方面出现了新的问题，并且出现了处理、分析和分发这些数据的新方法。这暴露了个人健康数据的各种安全威胁（Lee，2022）。在本案例研究中，我们将讨论范德比尔特大学医学中心（VUMC）在实施EHR系统时面临的问题，EHR系统用于分析和监控用户（如医生、组织工作人员和制药机构）的健康记录（Kaul等人，2020年），我们将分析这些问题，并提供解决方案和建议。
2023-01-09 cs.CY
Integrating Information Technology in Healthcare: Recent Developments, Challenges, and Future Prospects for Urban and Regional Health
本综述探讨了信息技术在城市与个性化医疗中的应用、挑战及未来前景，涵盖电子健康记录、远程医疗和人工智能等技术，并为医疗服务提供者和政策制定者提出了改善护理质量与成本的实践建议。
2023-08-05 cs.CY
Establishing Data Warehouse to Improve Standardize Health Care Delivery: A Protocol Development in Jakarta City
雅加达是一个大都市，也是印度尼西亚人口最密集的城市之一。雅加达有12个主要的标准化保健服务指标（标准Pelayanan最低或SPM），这些指标来自卫生部，包括与孕产妇和新生儿健康、学龄人口、工作年龄人口、老年人口、某些特定疾病（高血压、糖尿病、结核病、艾滋病毒）以及精神健康有关的服务。我们计划构建一个数据仓库来提供一个集成的数据中心。在第一阶段（2021年），我们改进系统，将数据直接输入数据仓库的责任赋予行政城市卫生局卫生分局。在这一时期，还首次使用单一条目介绍和适应新的数据汇集方案。该系统使用的基本平台是地区卫生信息系统2，这是一个开放源平台，已在全世界使用，包括印度尼西亚共和国卫生部。这种数据仓库的主要优点是简单方便地从不同的来源收集广泛的数据，并比使用传统的系统更快地呈现它。数据交叉的卫生项目间数据矛盾较少。在这一过渡阶段，由于雅加达的DHIS-2系统和国家卫生部系统都需要输入数据，因此需要进行双重工作，但整合过程正在进行中，希望在2022年可以建立单一的数据录入。
2021-08-22 cs.CY
Looking into the Future of Health-Care Services: Can Life-Like Agents Change the Future of Health-Care Services?
Unitec（Unitec（新西兰 Unitec 理工学院））
针对在线医疗信息利用率低及缺乏互动等问题，研究提出开发一种专门的类生命智能体，以克服现有医疗信息检索障碍并改善自我健康管理。
2025-02-01 cs.AI cs.CY
Towards responsible research in digital technology for health care
数字技术无处不在，为我们的日常和职业生活带来了好处。它对我们的生活产生了强烈的影响，对于在COVID 19危机期间保持专业和社交活动至关重要。同样，数字技术是生物医学工程研究课题的关键。在过去的40年里，创新已经产生并推出，展示了计算和数字技术如何影响医疗保健。虽然数字技术的好处现在是显而易见的，但我们正处于几个问题的交汇点，这使我们意识到与这项技术相关的社会，社会和环境挑战。在社会领域，数字技术引起了对排斥（金融、地理、教育、人口、种族、性别、语言和与残疾有关的排斥）以及身心健康的关注。在社会层面，数字技术引发了对政治和民主（主权和治理、认知过滤和公民参与）、隐私和安全（数据采集和使用透明度、个人认可程度和匿名化程度）以及经济的担忧。在环境方面，数字技术引起了对能源消耗和硬件生产的关注。本文介绍并定义了数字技术在一般情况下以及应用于医疗保健时所面临的这些挑战。本文的目的是使研究界更加了解数字技术的挑战，并促进创新和负责任的研究的透明度。
2021-10-20 cs.CY
Discovering adoption barriers of Clinical Decision Support Systems in primary health care sector
采用良好的卫生信息系统（HIS）是提供高质量医疗保健的必要条件。随着近年来医疗行业技术的快速发展，医疗服务提供者寻求有效的选择来应对众多疾病和越来越多的患者，采用先进的HIS，例如用于临床决策支持。虽然临床决策支持系统（CDSS）可以帮助医务人员做出更好的决策，但由于缺乏对影响GP采用CDSS的因素的了解，它们可能会带来负面结果。本文的重点是发现障碍，可能有助于周围的CDSS采用的问题。来自沙特阿拉伯不同初级卫生中心的30名全科医生接受了采访，以确定该部门的挑战和障碍。虽然结果证实，存在影响这些方面的障碍，如时间风险、所用系统的质量、互联网速度慢、用户界面、缺乏培训、成本高、患者满意度、使用多个系统、技术支持、计算机技能、缺乏灵活性、系统更新、专业技能和知识、计算机效率以及数据的质量和准确性。
2022-07-24 cs.CY
Review on Telemonitoring of Maternal Health care Targeting Medical Cyber-Physical Systems
我们的目标是审查现有的文献有关远程监护孕产妇保健的作用，全面了解医疗网络物理系统（MCPS）的产妇风险因素管理的前沿技术，并了解可能的研究差距在该领域。在这方面，我们通过谷歌学者和PubMed数据库搜索文献，以获得已发表的研究，这些研究侧重于使用传感器的孕产妇远程监护系统，网络物理系统（CPS）和信息决策系统，以解决风险因素。我们提取了1340篇与孕产妇保健相关的文章，这些文章解决了不同的风险因素作为其管理问题。在大量相关文章中，我们纳入了26项与传感器或基于医疗网络物理系统（MCPS）的孕产妇远程监护相关的前瞻性研究。在1340篇原始文献中，我们筛选出26篇文献（12篇为危险因素分析，9篇为综合矩阵，5篇为寻找基本要素）。我们已经提取了17个重要的症状作为孕产妇在怀孕期间的危险因素。此外，我们已经确定了一些网络框架的基础上，信息决策支持系统，以应付不同的孕产妇的复杂性。我们发现医疗网络物理系统（MCPS）是一种很有前途的技术，可以通过远程护理提供者快速有效地管理重要的风险因素，以降低致命风险。尽管存在通信问题，但MCPS是应对孕产妇保健系统中远程监护模式进步的关键技术。
2016-04-26 cs.CY
Managing health insurance using blockchain technology
针对健康保险行业中的欺诈、虚假索赔、缺乏透明度与数据隐私等问题，本文探讨利用区块链技术整合来解决这些障碍，并指出局限与未来方向。
2023-06-17 cs.CR cs.CY
Applicability of Telemedicine in Bangladesh: Current Status and Future Prospects
远程医疗是指利用信息和通信技术提供和支持保健服务，主要目的是提供咨询。这也是向偏远地区提供医疗程序或检查的一种方式。它有可能改善医疗保健服务的质量和提供，同时即使在资源稀缺的情况下也能降低成本。许多发展中国家认识到远程医疗的潜力，正在实施远程医疗，为缺乏医疗保健设施的偏远地区提供医疗保健设施。孟加拉国也不例外。在本文中，我们提到了孟加拉国必须转向远程医疗的原因。我们还介绍了孟加拉国过去和正在进行的远程医疗活动和项目。分析这些项目，我们发现了一些因素，应仔细评估成功实施远程医疗应用。最后，我们提出了一个原型远程医疗网络，孟加拉国，可以通过远程医疗，使农村卫生设施提供者和特殊医院之间的连接，以改善卫生设施。
2009-11-08 cs.CY
An RFID-based Clinical Information System for Identification and Monitoring of Patients
管理保健记录和信息是一项迫切需要。大多数病人的健康记录都存储在不同的系统中，医疗保健提供者必须保留大量的纸质记录以遵守不同的法规。本文提出了一种基于RFID的系统，名为SIMOPAC，将RFID技术集成在医疗保健中，以使病人的紧急护理尽可能有效和无风险，通过提供医生尽可能多的信息，病人尽快。每个医院都可以将SIMOPAC与现有系统结合使用，以提高患者安全性并优化医院工作流程。我们将专注于RFID技术以及如何将其用于紧急护理。我们描述了一种通用架构和数据模型，其设计用于从各种现有设备和系统收集动态数据，以及用于存储和向急诊护理医生呈现临床重要信息。
2015-03-12 cs.CY
On the Long-term Health Care Crisis. A Possible Eradication Scenario
本文的目的是提出一个可能的模型来描述全球医疗危机，其中被认为是根除或在我们控制下的疾病今天重新出现。
2011-12-08 cs.CY q-bio.PE
A quantitative evaluation of health care system in US, China, and Sweden
本研究的主要目的是评估几个有代表性的国家的现行卫生保健系统的有效性，并改进美国的卫生保健系统。为了实现这些目标，设计了一个以人为本的非线性评价模型。它包括一个主要评价指标和四个次要指标。主要指标是由最重要地决定或影响该国人民预期寿命的可能因素组合而成。四个次要指标评估医疗保健系统的不太重要的方面，并从属于主要指标。作者根据主要指标对世界上的一些医疗保健系统进行排名，并在次要指标的帮助下发现其中的问题。结果表明，瑞典的医疗保健系统得分高于美国，中国的医疗保健系统得分低于美国。尤其是美国的医疗保健体系与其经济实力相比显得有些落后。最后，根据目标规划模型的结果，说明美国政府对资金安排的优化是合理的。
2013-04-19 cs.CY stat.AP
Software Engineering Practice using Multi-Criteria Decision in Health Care Organizations
卫生保健组织的良好业绩取决于有力的筹资制度、熟练和高薪的人员、可靠的信息、持续良好的卫生服务和他们使用的可靠技术。卫生保健系统和其他卫生保健环境的管理和组织可以深刻地影响健康结果，卓越的护理和患者的快乐。组织的环境评估必须考虑政治、技术和环境方面的因素。这项研究关注的是废物造成的危险和未解决的问题。对医院废物的管理不足可能会对人造成危险，传播传染病，也会对环境造成危险。这些问题被分为不同的类别，如危险化学废物、具有致癌、诱变和致畸风险的细胞毒性废物以及放射性废物。本研究的重点是分析上述风险，并通过多准则决策分析（MCDA）做出决策。MCDA技术在决策方面有相当大的提高。调查用于收集信息，并通过应用一些统计工具对结果进行评估。
2017-02-01 cs.CY cs.SE
Ethical Machine Learning in Health Care
Massachusetts Institute of Technology（麻省理工学院）；Microsoft Research（微软研究院）；Stanford University（斯坦福大学）；Vector Institute（向量研究院）；New York University（纽约大学）；University of Toronto（多伦多大学）
在医疗保健中使用机器学习（ML）引发了许多伦理问题，特别是因为模型可能会放大现有的健康不平等现象。在这里，我们概述了在医疗保健发展中公平ML的伦理考虑。具体来说，我们通过社会正义的视角来构建医疗保健中ML的伦理。我们描述了正在进行的努力，并概述了拟议的健康伦理ML管道中的挑战，从问题选择到部署后的考虑。最后，我们总结了应对这些挑战的建议。
2020-10-08 cs.AI cs.CY cs.LG
Robotics Technology in Mental Health Care
University of Notre Dame（圣母大学）
本章讨论了机器人技术和智能传感技术在精神卫生保健中的现有和未来应用。虽然这项技术的使用在精神卫生保健中刚刚起步，但它代表了从业者工具箱中的一个潜在有用的工具。本章的目标是提供该领域的简要概述，讨论机器人技术在精神卫生保健实践中的最新应用，探讨在这一领域使用机器人的一些设计问题和伦理问题，最后探讨新兴技术的潜力。
2015-11-07 cs.CY cs.HC cs.RO
Ensuring Data Integrity in Electronic Health Records: A Quality Health Care Implication
电子健康记录（EHR）系统必须能够有效地提供有意义、准确和完整的数据，以通过开发、实施和优化临床路径来帮助改善临床管理。因此，数据完整性是EHR系统的驱动力，也是各级服务交付的重要方面。然而，在EHR系统中保持数据完整性已成为一个主要问题，因为它在促进高标准的病人护理方面的后果。在本文中，我们审查和解决的数据完整性的影响，使用EHR系统及其相关问题。我们确定和分析了EHR系统的数据完整性的三个阶段。最后，我们还提出了一个适当的方法来保持电子病历系统的完整性。为了分析和评价数据完整性，考虑了澳大利亚的主要临床系统之一。这将证明对患者护理质量和安全性的影响。
2018-02-02 cs.CR cs.CY
Enhancing Health Care Accessibility and Equity Through a Geoprocessing Toolbox for Spatial Accessibility Analysis: Development and Case Study
本研究开发了适配ArcGIS Pro的地理处理工具箱，支持多模式两步移动搜索法测算医疗空间可达性，通过田纳西州血液透析服务案例验证了工具效用，可为医疗公平相关决策提供支持。
2024-02-26 cs.CY cs.HC
Construction and optimization of health behavior prediction model for the elderly in smart elderly care
Anhui Normal University（安徽师范大学）；Oregon State University（俄勒冈州立大学）
针对老年人健康行为预测中的多源异构数据、缺失、突发变化与隐私问题，提出融合多模态数据、非线性预测、紧急检测和隐私保护的智慧养老模型，提升了预测准确性、鲁棒性与实际服务能力。
2024-12-03 cs.AI cs.CY
Patients, Primary Care, and Policy: Simulation Modeling for Health Care Decision Support
由于目前的人口变化，对保健的需求不断增加，而与此同时，保健服务提供者在寻找熟练人员方面面临困难。这给世界各地的卫生保健系统带来了压力，因此，在全国范围内有效提供初级卫生保健已成为社会最大的挑战之一。由于医疗保健系统的复杂性，不可预见的未来事件以及经常缺乏数据，分析和优化医疗保健系统的性能意味着解决一个棘手的问题。为了支持这一任务的初级保健，本文介绍了混合基于代理的仿真模型SiM-Care。SiM-Care在个人层面上对患者和初级保健医生的互动进行建模。通过跟踪代理交互，它使建模人员能够评估多个关键指标，如患者等待时间和医生利用率。根据这些指标，可以对初级保健系统进行评估和比较。此外，可以直接评估基础设施、患者行为和服务设计的变化。为了展示SiM-Care和援助模型验证所提供的机会，我们提出了一个德国初级保健系统的案例研究。具体来说，我们调查了人口老龄化的影响，医生数量的减少，以及综合影响。
2019-11-15 cs.CY cs.MA cs.SY
Large Language Model Integrated Healthcare Cyber-Physical Systems Architecture
Southern Illinois University（南伊利诺伊大学）
针对医疗信息物理系统存在的数据录入慢、缺实时处理等问题，提出集成大语言模型的创新架构，通过在多层级引入LLM提升医疗系统效率与决策能力。
2024-07-25 cs.CY cs.LG
Considerations for health care institutions training large language models on electronic health records
本文针对医疗机构利用电子健康记录训练大型语言模型时面临的自建与微调选择及预算限制问题，通过分析数据集规模、模型规模和成本，提出了一个基于数据规模、计算规模和训练预算的决策框架。
2023-08-24 cs.AI cs.CL cs.CY
Artificial Intelligence in Clinical Health Care Applications: Viewpoint
Philips Research Eindhoven（飞利浦埃因霍温研究院）
人工智能（AI）的概念由来已久。然而，事实证明，达到人类水平的智力比最初预期的要复杂得多。目前，我们正在经历对人工智能的新兴趣，这是由于计算能力的巨大增长和数据的更大增长，以及深度学习等改进的人工智能技术。医疗保健被认为是下一个被人工智能彻底改变的领域。虽然人工智能方法非常适合开发某些算法，但对于生物医学应用来说，存在特定的挑战。我们提出了改进生物医学领域，特别是临床医疗领域人工智能项目的建议。
2019-06-26 cs.AI cs.CY
Fair Regression for Health Care Spending
向保险计划支付的保健费用对社会政策有重大影响。风险调整公式预测健康保险市场的支出，以便为所有参保者提供公平的福利和医疗保险，而无论其健康状况如何。不幸的是，目前的风险调整公式被称为低估支出的特定群体的登记导致补偿支付给健康保险公司。这激励保险公司设计他们的计划，使补偿不足群体的个人不太可能参加，影响这些群体获得医疗保健。为了改进补偿不足群体的风险调整公式，我们扩展了统计学，计算机科学和卫生经济学文献的概念，通过直接将公平性考虑因素构建到目标函数中，开发了新的连续结果的公平回归方法。我们还提出了一种新的公平性措施，同时声称，一套指标是必要的，以更充分地评估风险调整公式。我们使用IBM MarketScan研究数据库和模拟研究的数据应用程序表明，这些新的公平回归方法可能会导致群体公平性的大规模改善（例如，98%），而整体拟合仅略有降低（例如，4%）。
2019-07-13 cs.CY stat.AP stat.ME
Unpacking "Personal" Health Informatics for Proactive Collective Care
IIIT-Delhi（德里信息科学与技术研究所）；RIT, NY（罗切斯特理工学院）
本文研究了集体照护实践中健康信息学的使用挑战，提出通过集体健康信息学重构设计，提供十项设计建议以构建负责任的系统，支持主动集体照护。
2026-10-21 cs.CY cs.HC
Early Prediction of Post-acute Care Discharge Disposition Using Predictive Analytics: Preponing Prior Health Insurance Authorization Thus Reducing the Inpatient Length of Stay
Stevens Institute of Technology（史蒂文斯理工学院）；Syracuse University（雪城大学）；Texas Tech University（德克萨斯理工大学）
目的：病人的医疗保险范围在决定急性期后护理（PAC）出院处置中起着至关重要的作用。事前健保核准程序会延迟PAC出院处置，增加住院天数，影响病患健康。我们的研究实现了对PAC出院处置的早期预测的预测分析，以减少由先前的健康保险授权、住院时间和住院费用引起的延迟。方法学：我们进行了一次小组讨论，涉及25名患者护理促进者（PCF）和两名注册护士（RN），并从初始护理评估和出院记录中检索了1600份患者数据记录，使用预测分析法对PAC出院处置进行回顾性分析。结果如下：卡方自动交互检测器（CHAID）算法实现了PAC出院处置的早期预测，加速了先前的健康保险流程，平均缩短了22.22%的住院时间，并使州立政府医院的住院费用减少了1，974美元，非营利性医院减少了2，346美元，每天798个营利性医院。CHAID算法产生的总体准确度为84.16%，受试者工作特征（ROC）曲线下面积为0.81。结论：早期预测PAC出院处置可以压缩之前的健康保险授权过程中所造成的PAC延迟，同时最大限度地减少住院时间和医院产生的相关费用。
2018-12-28 cs.AI cs.CY
Personal Care Utility (PCU): Building the Health Infrastructure for Everyday Insight and Guidance
University of California, Irvine（加州大学尔湾分校）
本文提出个人护理公用事业（PCU），一种基于多模态智能体和事件中心建模的AI驱动控制论系统，提供个性化健康信息、主动行为指导和恢复解读，以改善个人及群体健康结局。
2025-10-26 cs.AI cs.CL cs.CY
Chasing Your Long Tails: Differentially Private Prediction in Health Care Settings
University of Toronto（多伦多大学）；Vector Institute（向量研究所）
医疗保健中的机器学习模型通常部署在保护患者隐私非常重要的环境中。在这种情况下，差分隐私（DP）学习的方法提供了一种通用的方法来学习模型的隐私保证。DP学习的现代方法通过审查被判断为过于独特的信息的机制来确保隐私。因此，由此产生的隐私保护模型忽略了数据分布尾部的信息，导致准确性损失，可能会不成比例地影响小群体。在本文中，我们研究了DP学习在医疗保健中的作用。我们使用最先进的DP学习方法来训练临床预测任务中的隐私保护模型，包括X射线图像分类和时间序列数据中的死亡率预测。我们使用这些模型对隐私、效用、对数据集转移的鲁棒性和公平性之间的权衡进行了全面的实证调查。我们的研究结果突出了医疗保健中DP学习方法的鲜为人知的局限性，在隐私和实用性之间表现出陡峭的权衡的模型，以及其预测受到训练数据中大型人口群体不成比例影响的模型。我们讨论的成本和收益的差异私人学习在医疗保健。
2020-10-13 cs.CR cs.CY cs.LG
Internet of Things and Health Care in Pandemic COVID-19: System Requirements Evaluation
医疗服务中的技术采用促进了医疗服务的发展，改善了患者的体验。本文介绍了一项旨在找到COVID-19患者远程监护系统的重要要求的研究。随着这一流行病越来越严重，迫切需要这种系统。在本文中，所提出的系统，它集成了一个智能手环，有助于信号患者的生命体征的要求和价值的确定。(376)参与者完成了在线定量调查。根据研究结果，大多数医疗保健专家（97.9%）表示，自动化可穿戴设备非常有用，它在日常医疗保健任务（早期诊断，检疫执法和患者状态监测）中发挥着重要作用，并简化了他们的日常医疗保健活动。此外，基于专家意见的主要生命体征应包括体温（66%的参与者）和氧合水平（95%的参与者）。这些发现对于任何学术和工业未来开发这些重要可穿戴系统的努力都至关重要。未来的工作将涉及根据本研究结果实施设计，并使用机器学习算法，以更好地检测基于生命体征和症状监测的COVID-19病例。
2022-05-05 cs.CY eess.SP
Limitations of P-Values and $R^2$ for Stepwise Regression Building: A Fairness Demonstration in Health Policy Risk Adjustment
逐步回归构建过程是常用的应用统计工具，尽管其众所周知的缺点。虽然它们的许多局限性已在文献中广泛讨论，但使用个体统计拟合度量的其他方面，特别是在高维逐步回归设置中，还没有。当群体拟合可能是更大的关注点时，将个体拟合放在首位（如p值和$R^2$）可能会导致错误的决策。逐步回归最重要的用途之一是在医疗保健领域，这些工具将数千亿美元分配给医疗计划，这些计划招募了具有不同预测医疗保健成本的个人。这一“风险调整”制度的主要目标是向保健计划提供激励，使其公平地提供保健服务，其中一个组成部分是在获得或护理方面不歧视可能昂贵的个人或群体。我们解决了一些具体的限制，p值和$R^2$高维逐步回归在这个政策问题，通过一个说明的例子，另外考虑一个组级的公平性度量。
2018-08-07 cs.CY econ.EM
Forecasting Daily COVID-19 Related Calls in VA Health Care System: Predictive Model Development
背景：COVID-19已成为全球性挑战，妥善规划医疗资源是抗击COVID-19的关键。在美国退伍军人事务医疗保健系统（VA）中，许多登记者易受COVID-19影响。预测COVID-19以及时分配医疗资源成为一个关键问题。当退伍军人事务部登记者有COVID-19症状时，建议他们的第一步应该是致电退伍军人事务部呼叫中心。对于确诊的COVID-19患者，从首次出现症状到入院的中位时间为7天。通过预测与COVID-19相关的呼叫数量，我们可以预测医疗保健使用的即将激增，并提前规划医疗资源。目的：该研究旨在开发一种方法来预测110个VA医疗中心中每个中心的COVID-19相关呼叫的每日数量。方法：在所提出的方法中，我们使用一组医疗中心预训练模型，并针对单个医疗中心进行微调。在聚类级别，我们执行特征选择以选择重要特征，并执行自动超参数搜索以选择模型的最佳超参数值组合。结论：本研究提出了一种准确的方法来预测VA医疗中心的COVID-19相关呼叫的每日数量。所提出的方法能够通过将相似的医疗中心分组为集群来扩大训练模型的数据集，并使用超参数搜索来自动找到模型的最佳超参数值组合，从而克服建模挑战。使用所提出的方法，可以提前预测医疗保健的激增。这使医疗保健从业者能够更好地规划医疗资源和抗击COVID-19。
2022-09-12 cs.CY cs.LG
A Taxonomy of Mental Health and Technology Needs for Alzheimer's and Dementia Caregivers
Siebel School of Computing and Data Science（Siebel计算与数据科学学院）；University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）；Department of Psychology（心理学系）；Illinois Neurological Institute（伊利诺伊神经科学研究所）；Department of Human-Centered Computing（以人为中心计算系）；Manning College of Information and Computer Sciences（马歇尔大学信息与计算机科学学院）
本研究提出护理人员心理健康与技术分类法，系统关联AD/ADRD护理人员需求与技术干预类别，识别护理优先事项与现有技术支持的错配，并强调关系紧张和同情疲劳等未充分服务的领域。
2026-06-18 cs.AI cs.CY cs.HC
Architectural Pattern of Health Care System Using GSM Networks
大规模的网络环境，如互联网，具有集中数据，集中访问和集中控制的特点;这给用户一个强大的机制，从不同的资源集建立和集成大型集中信息库。然而，用于医院信息系统或健康护理信息门户的具有GSM网络开发的集中式网络系统仍处于起步阶段。目前可用工具的缺点使移动设备的使用更具吸引力。在移动计算中，需要处理诸如低带宽、高延迟的无线网络、无线连接的丢失或降级、以及网络错误或故障等问题。其他需要解决的问题包括系统的适应性、可靠性、健壮性、可扩展性、灵活性和可维护性。GSM方法已经成为在集中式环境中为无线移动设备开发智能软件应用程序的最可行的方法，它提供了900 MHz的更高带宽用于传输。我们开发的电子医疗保健系统为医生、护士、药剂师和其他医疗保健专业人员以及患者和用于监测患者的医疗设备提供支持。在本文中，我们提出的架构和示范原型。
2013-12-09 cs.CY cs.SE
A Reliable IoT-Based Embedded Health Care System for Diabetic Patients
本文介绍了一种基于物联网技术的糖尿病患者可靠的医疗保健系统。提出了一种具有硬件实现的糖尿病健康护理系统。拟议的工作采用Alaris 8100输液泵、Keil LPC-1768板和物联网云来监测糖尿病患者。云上糖尿病数据的安全性和医疗保健系统组件之间的通信通道被认为是这项工作的主要贡献的一部分。此外，实现了控制和监测糖尿病胰岛素泵的简单方法。\mbox{patient\textquotesingle s}记录使用连接到输液泵的Keil板存储在云中。该方案的可靠性是通过测试系统的五个性能特征（可用性，机密性，完整性，认证和授权）。Kiel板嵌入以太网端口和Cortex-M3微控制器，控制胰岛素输注泵。安全哈希算法和安全套接字外壳被用来实现所提出的方案的可靠性组件。通过不同的测试实验和马尔可夫模型的案例分析，结果表明该设计是可靠的、安全的和真实的。通过实例分析，系统的可用性概率达到99.3%.
2019-08-16 cs.CR cs.CY cs.DC
Unsupervised Machine Learning for Explainable Health Care Fraud Detection
Carnegie Mellon University（卡内基梅隆大学）；Boston University（波士顿大学）；NBER（美国国家经济研究局）
美国联邦政府每年在医疗保健方面的支出超过1万亿美元，主要由私人第三方提供，并由政府报销。这一系统的一个主要问题是供应商的多开账单、浪费和欺诈，他们面临着虚报索赔以获得更高付款的动机。在本文中，我们开发了新的机器学习工具来识别超额支付医疗保险（美国联邦老年人和残疾人健康保险计划）的提供者。利用大规模的医疗保险索赔数据，我们发现了住院患者中与欺诈或多付费用一致的模式。我们提出的医疗保险欺诈检测方法是完全无监督的，不依赖于任何标记的训练数据，并且可以向最终用户解释，为标记的提供商的潜在可疑行为提供推理和可解释的见解。来自司法部的关于面临反欺诈诉讼的供应商的数据和几个案例研究从数量和质量上验证了我们的方法和发现。
2023-02-24 cs.CR cs.CY cs.LG
Classification of Functioning, Disability, and Health for Children and Youth: ICF-CY Self Care (SCADI Dataset) Using Predictive Analytics
Binghamton University（宾汉姆顿大学）
《儿童和青年功能、残疾和健康国际分类》（ICF-CY）是指定功能和残疾数据并使其系统化的框架。它提供了一个标准的语义和理论基础的界限和程度的福祉和体弱。ICF-CY的多维布局包含了大量的信息，大约有1400个类别，这使得分析变得困难。我们的研究提出了一个预测模型，分类的自我护理活动数据集的基础上，ICF-CY的自我护理问题。在这项研究中使用的数据驻留70名运动和身体残疾儿童的206个属性。我们的研究实现，比较和分析随机森林，支持向量机，朴素贝叶斯，Hoeffding树，和懒惰的局部加权学习使用双尾T检验在95%的置信区间。研究中涉及的Boruta算法通过最小化数据维数来倡导最小最优的预测因子集。随机森林给出了最好的分类准确率为84.75%，均方根误差为0.18，接收器操作特性为0.99。预测分析可以通过自动化残疾、功能和健康的分类过程来简化ICF-CY的使用。
2019-08-21 cs.CY cs.LG stat.ML
Internet of Things (IoT) based ECG System for Rural Health Care
DUET（达卡工程技术大学）；EUB（欧洲孟加拉大学）；JNU（贾汉吉尔纳加尔大学）；Daffodil International University（达福迪尔国际大学）；BUP（孟加拉国国父和平大学）
孟加拉国农村地区近30%的人口生活在贫困线以下。此外，由于没有现代化的保健技术，农村人口的护理和诊断设施有限。因此，农村人口被剥夺了适当的保健。从这个角度来看，可以促进现代技术来减轻他们的健康问题。ECG传感工具与人体胸部连接，通过物联网设备收集必要的心血管数据。这些数据存储在与MQTT和HTTP服务器合并的云中。在这项研究中，提出了一种用于心血管或心脏病患者ECG监测系统的创新物联网方法。ECG信号参数P、Q、R、S、T被收集、预处理和预测，以监测心血管状况，用于进一步的健康管理。利用机器学习算法确定心电信号参数的显著性和误差率。逻辑回归模型拟合的训练和测试数据之间的协议。预测已被执行，以确定的PQT质量的变化和其在心电监护系统中的适用性。考虑到质量参数的取值，得到了满意的结果。提出的基于物联网的心电图系统降低了未来心血管疾病的医疗成本和复杂性。
2022-07-27 cs.AI cs.CY cs.LG
