【资料图】

在急于利用人工智能和机器学习工具提高全国医院护理效率的过程中，一项新的研究指出了另一种可能的用途：识别有非医疗需求的患者，这些需求可能会影响他们的健康和接受护理的能力。

这些健康的社会决定因素——从交通和住房到食物供应以及家人和朋友的支持——可以在患者的健康和医疗保健服务的使用中发挥重要作用。

这项新研究的重点是具有特别复杂需求的患者群体：患有阿尔茨海默病或其他形式痴呆症的人。他们的病情可能使他们特别依赖他人来安排他们去看医生和参加社交活动、处理药物和财务、购物和准备食物等等。

研究结果表明，基于规则的自然语言处理工具成功识别了交通不稳定、粮食不安全、社会孤立、财务问题以及虐待、忽视或剥削迹象的患者。

研究人员发现，基于规则的 NLP 工具(一种分析人类语音或写作的人工智能)在识别患者健康的社会决定因素方面远远优于深度学习和正则化逻辑回归算法。

然而，即使是 NLP 工具在识别与住房、负担或服用药物相关的需求方面也做得不够好。