醫院分級和評級系統可能對許多計劃擇期手術的患者有所幫助。但是，新發現表明，即使在質量評分始終很高的醫院中，從一個患者到下一個患者，其結局和費用也可能相差很大。

這項研究還表明，機器學習可以幫助優化每個患者個人的選擇過程。這項工作是由麻省理工學院和密歇根大學的行業研究人員及其同事進行的。它發表在《醫學互聯網研究》雜志上。

醫學博士Mohammed Saeed和共同研究人員回顧了2018年大芝加哥地區4，200例髖關節置換患者的病歷。研究小組分析了術后90天的結果和費用不一致的數據。

正如許多患者在考慮在何處進行手術時所做的那樣，研究人員研究了多種來源的醫院評分。這些包括基于互聯網的消費者評分，質量星級，聲譽排名，平均年度手術量和平均結果率。

他們還分析了由機器學習算法匯編的排名。這些培訓針對具有相似特征和良好結局的先前患者進行了個性化的提供者匹配培訓。

事實證明，只有不超過四分之一的患者在結果方面與更高級別的醫院相匹配，而只有不到一半的患者在成本上達到最佳。

消費者評分，高品質明星和機器學習始終與更好的結果和成本相一致，并且在基于機器學習的排名的所有評分方法和分析中，改進都是最令人印象深刻的。

“ ［一種］基于精確導航的個性化方法，在各個醫院的背景下使用隨時可用的數據來表征患者的醫療復雜性，可能會顯著改善治療效果，同時降低總體護理成本，”作者在討論中評論道。 。

Saeed和合著者總結說：“通過廣泛的排名方法，可能有大量機會增加與適當醫院匹配的患者人數。”“在根據患者特定的機器學習對患者進行匹配的醫院中進行的髖關節置換手術具有更好的結果和更低的總護理費用。”

這項研究的六位合著者中有五位隸屬于Scale Corp.的Health，該公司銷售該研究中使用的機器學習軟件。

責任編輯：lq