很多文章的报道都是由微观而宏观，今日小编讲给大家带来的关于机器学习发现疾病被信息过载所掩盖的资讯也不例外，希翼可以在一定的程度上开阔你们的视野！y有对机器学习发现疾病被信息过载所掩盖这篇文章感兴趣的小伙伴可以一起来看看
哈佛大学的研究人员展示了一种方法，可以在应用机器学习来发现指示特定疾病标记的模式时，消除电子健康记录(EHR)中无关信息的混乱。
该小组由计算机科学大规模实验室的Hossein Estiri博士领导，在CellPatterns(由Cell Press出版的开放存取期刊)上公布的一项研究中详细介绍了这项工作。
在他们的项目概述中，作者指出，已经花费了数十亿美元试图从EHR中猎取价值。然而，该系统仍然过于复杂，无法在没有人类参与的情况下为疾病和结果建模。
Estiri及其同事开辟的方法将顺序模式挖掘算法与机器学习管道结合在一起。他们写道，该组合“可以迅速部署以开辟用于识别和验证新型疾病标志物并促进医学知识发现的计算模型。”
在Mass Mass发送给新闻界的材料中，研究小组以其系统对先患有冠心病然后胸痛的患者心力衰竭的预测为例进行了描述。两种状态均记录在EHR中，并且实验方法在预测心力衰竭方面比单独或以其他顺序的任何一种因素都更有效。
Estiri解释说：“计算机可以对成千上万的患者进行分类，并且可以找到医生可能永远不会自己确定的相关序列，但实际上与疾病相关。”
Mass General补充说，该系统可能有助于识别有进展其他多种疾病风险的患者，然后建议通过适当的专科进行评估。
