이용도 관리

환자, 의료 제공자, 납부자 등 의료 시스템의 모든 관계자는 최소한의 비용으로 가장 효율적인 치료를 이용하기를 원합니다. 이용도 관리(UM)로 불리는 이 접근법은 진료를 제공하기 전에 의료 전문가가 사례별 적합성을 평가하도록 요구합니다.

이용도 관리는 이론적으로는 좋아 보이지만 실제로는 심각한 문제에 직면해 있습니다. 치료의 적합성 평가는 자유 형식의 기록과 텍스트와 정형, 세미정형 데이터로부터 관련 임상 사실을 추출하고 환자의 의료기록을 철저히 평가해야 합니다. 이는 상당한 수작업을 필요로 하고 이용도 관리에서 가장 비싸고 노동 집약적인 과정입니다.

작동 원리

환자의 전자의무기록은 (EMRs) 의사, 간호사 기록 및 실험실 검사 결과를 포함한 많은 정보를 담고 있으며, 병원 및 의사들은 이를 이용하여 환자 진료를 향상시킬 수 있습니다. 하지만 대부분의 EMR 데이터는 비정형 텍스트로 되어 있습니다. 의학 분야의 복잡성과 더불어 텍스트 데이터 분석의 복잡성은 특별 훈련을 받은 의료 전문가만이 데이터를 수동으로 분석할 수 있게 하여, EMR에서의 정보를 추출하는 과정을 매우 느리고 많은 비용이 소요되게 합니다.

관련 임상 정보가 추출되면, 추가로 분석하여 과거 데이터에 교육된 머신러닝 알고리즘으로 특정 의료케어의 적합성을 예측하는 모델을 만듭니다. 이 솔루션은 고객 또는 Megaputer의 보안 데이터 사이트에서 실행할 수 있습니다.