使医疗保健更加个性化

今天的卫生保健系统在很大程度上着重于在人们遇到问题后帮助他们。当他们确实接受治疗时，它是基于在庞大且多样化的患者群体中平均效果最佳的情况。

现在，“大规模医疗”公司正在使医疗保健更加主动和个性化-顾名思义，它正在为数百万人提供服务。

大规模医疗采用一种新的方法，可基于新型的机器学习模型提出护理建议，即使只有个别患者，提供者和治疗方法的少量数据可用，该模型也可以使用。

该公司已经在与健康计划，保险公司和雇主合作，以使患者和医生匹配。它还有助于识别出有可能在将来访问急诊室或住院的风险上升的人，并预测慢性病的进展。最近，Scale of Health显示其模型可以识别有严重呼吸道感染风险的人，例如流感或，或者可能是。

Scale的Health首席技术官兼MIT的Dugald C. Jackson计算机科学与电气工程教授John Guttag说：“从一开始，我们就决定所有的预测都将与为患者带来更好的结果有关。” “我们正在尝试预测哪种疗法，医生或干预措施将为人们带来更好的结果。”

改善健康的新方法

规模健康联合创始人兼首席执行官Zeeshan Syed在麻省理工学院学习电气工程和计算机科学时遇到了Guttag。Guttag曾担任Syed的学士和硕士学位的顾问。当Syed决定攻读博士学位时，他只申请了一所学校，他的顾问很容易选择。

Syed拥有博士学位。通过哈佛大学麻省理工学院的健康科学与技术计划(HST)。在这段时间里，他研究了如何更好地管理心脏病发作的患者。这项工作对Syed来说是私人的：他的父亲最近严重心脏病发作。

通过这项工作，Syed遇到了Mohammed Saeed SM '97，博士学位。'07，他也参加了HST计划。Syed，Guttag和Saeed于2015年与David Guttag '05一起创立了Scale的Health，致力于利用机器学习的核心进展来解决医疗保健中最棘手的问题。

赛义德说：“首先是要解决医疗保健方面有关个性化和预测方面的实际挑战的强烈要求。”

从一开始，创始人就知道他们的解决方案需要与广泛可用的数据(如医疗保健索赔)一起使用，其中包括有关诊断，测试，处方等的信息。他们还寻求构建用于清理和处理原始数据集的工具，以使他们的模型成为Guttag所说的“用于卫生保健的完整机器学习堆栈”的一部分。

最后，为了提供有效的个性化解决方案，创始人知道他们的模型需要与个别医生，诊所和患者进行少量的交流，这给传统的AI和机器学习带来了严峻挑战。

Guttag说：“进入[医疗保健AI]领域的大公司错了，因为他们将其视为大数据问题。” “他们认为，”我们是专家。没有人比我们更擅长处理大量数据。“我们认为，如果您要为个人做出正确的决定，那么问题就出在小数据问题上：每个患者都是不同的，我们不想向患者推荐什么?平均来说是最好的。我们想要每个人都最好的东西。”

该公司的首批型号帮助推荐了针对急性后护理患者的熟练护理设施。许多此类患者遇到进一步的健康问题，然后返回医院。Scale of Health的模型表明，某些设施可以更好地帮助具有特定健康问题的特定人群。例如，一个有心血管疾病史的64岁男性在一家医院的状况可能会好于另一家。

今天，该公司的建议可帮助将患者引导至最适合他们的初级保健医师，外科医生和专家。Guttag去年更换髋关节时甚至使用了这项服务。