חוקרים: יובל שחר

רקע: השימוש ברשומות רפואיות אלקטרוניות גדל. מטלות קליניות כגון אבחנה, טיפול וקביעת פרוגנוזה, עשויות להיעזר בהשוואת מהלך המחלה של החולה לזה של חולים אחרים, ולנצל אלגוריתמי למידת מכונה וכריית נתונים תלויי זמן.

מטרות: 1. להציג גישה חדשה להשוואת רשומות חולים, המשקפת את מהלך המחלה;
2. בחינת יכולות מדד[י] הדמיון המוצעים לסייע בפתרון בעיות סיווג וחיזוי בתחומים קליניים שונים.

שיטה: פיתחנו מנוע חיפוש, מבוסס מדדי דמיון חדשניים, לאחזור מטופלים דומים. רכשנו ידע באונקולוגיה, סוכרת וצהבת. הפשטנו באמצעות הידע נתונים גולמיים בתחומים אלה לאירועים קליניים משמעותיים, המכוילים בזמן לאירוע קליני מוגדר.
פיתחנו אלגוריתם להשוואה דינמית של נתונים מבוססי משכי זמן והפשטות, iDTW, ובחנו את יכולותיו במשימות סיווג וחיזוי קליניות, תוך שימוש בשיטת KNN.

ממצאים עיקריים: ביצועי הסיווג והחיזוי באמצעות מדדי דמיון שהשתמשו בהפשטות מבוססות ידע, עדיפים על ביצועי מדדים שהשתמשו בנתונים הגולמיים, מבחינת ממוצע ביצועי הסיווג; הייצוג האופטימלי בכל מקרה; ולעיתים מספר המטופלים שנדרשו לסיווג אופטימלי.

מסקנות: הצגנו שיטה להערכת הדמיון בין שני רשומות קליניות אורכיות, המנצלת ידע בתחום.
הערכה מדוקדקת הצביעה על עליונות השימוש בהפשטות מבוססות ידע ביחס לשימוש בנתונים גולמיים.

המלצות/ השלכות לקובעי המדיניות: נמליץ להשתמש במערכות אוטומטיות לחיפוש רשומות חולים עם מהלך מחלה דומה לזה של החולה, בכדי לשפר את איכות האבחנה והטיפול, למחקר רפואי ולקביעת מדיניות.

תאריך סיום המחקר: 12/2017