机器学习如何推进医疗服务质量测量的发展

本文来源于healthdatamanagement.com，作者Nancy McMillan；由编译。

质量测量已成为医疗体系的重要组成部分。但是，要确保这一新测量是有效的，可靠的以及有据可依的，这就需要大量的时间和劳力。使用机器学习和自然语言处理的高级算法可以帮助测量开发人员大大减少研究时间，并在人类可能会遗漏的证据基础上发现测量模式。

这种自动化最终也可能帮助医疗机构根据自己的研究和数据进行自我完善。

在过去几年里，包括医疗保险与救助中心在内的公共和私人医疗保健投资者已经走向了以价值为基础的购买模式，在这种模式下，医疗服务从业者通过他们所取得的成果而不是提供的服务量来获得评估和薪水。质量测量项目提供了一个非常客观的工具，可以评估和追踪从业者的绩效，并推动改进，从而取得更好的病人恢复结果或者降低医疗成本。

为了使这一愿景成为现实，医疗保健投资者需要确保质量测量是有效的，可靠的，并且基于强大的科学证据。为了开发每一个测量，研究人员必须找出……