潜在患者预测；特征工程；准确预测；医疗领域低门槛AI运用

一个ACO型医疗系统，其医疗团队只能在事后判定超出HbA1c控制范围的患者人员，然后付出巨大努力使其重新恢复，并没有一个预测性决策支持和事前主动性预防措施。这直接导致每年该团队都要花费大量物力人力财力去做弥补工作，而不是采取有针对性的预防措施事先采取行动。

1、为了更好地管理超出HbA1c控制范围的患者，他们迫切需要开发一种预测方法来帮助团队获取每年超出HbA1c控制的7500名患者名单，从而提高团队的工作效率，减少不必要的工作量和时间消耗。

2、四年前开始实施EMR以来，该团队拥有丰富的数据存储库。其分析团队需要调查，分析和测试70个协变量中80,000名成员的记录，以确定哪些成员在下次测试时可能超出HbA1c控制范围。

3、团队在建模预测方面没有任何经验。临床分析团队只有一名分析师进行了一些统计方面的培训。为了满足约定的临床测量目标，团队需要快速开发、实行建模预测，从而为医疗管理提供帮助。

1、特征工程

该医疗团队拥有丰富的数据资源，大量的相关变量，但变量筛选、创造，算法选择等方面，单纯依靠数据分析师，费时费力，且操作门槛较高，R2智能机器学习系统提供便捷工具使其能依据临床经验快速实现特征工程。比如特征趋势：创建变量特征的变化趋势。例：前后两次BMI的变化度；回归平均值变量：特征值与长期测量该特征平均值的差异。例：当次BMI和平均BMI的差。

2、 准确预测

医疗领域，对于准确度的要求水准很高，模型预测效果好坏，直接影响医疗团队的工作效率和医患关系等各个方面。系统推荐模型预测潜在患者的准确率为87％，并且机器学习算法具有5倍于随机选择的预测能力。例如，6000人中，随机选择可以预测出700个患者; 而利用R2 Learn模型则可以捕获近3500个。

3、自动化

该医疗团队仅拥有一名数据分析师，面对的工作量是十分巨大的，R2 Learn产品能够完成数据质量检查、数据清洗，自动选参。这样，可以使数据科学家能够集中精力完成更重要、更具创造性的工作；建模过程中重复、繁琐、容易出错部分则可以由R2 Learn产品来完成。

1、 准确。利用R2 Learn产品，该团队具备了建立预测模型的能力，预测潜在患者的准确率为87％，能够准确识别出超出HbA1C控制的高风险患者，为正确的临床健康风险管理策略提供重要支持。

2、 高效。R2 Learn使该团队在提供相关数据后，能够在1-2小时内构建模型并且进行预测分析。

3、 低成本。团队利用R2 Learn，可以实现仅需要一名数据分析师即可完成建模预测分析工作，不需要外部供应商，从而节约了大量时间、金钱成本，并且为以后的数据分析工作打下基础。

AI浪潮风起云涌，众多具有前瞻性的医疗领域企业都深刻意识到AI对生产力变革带来的重大影响，AI的合理运用，将极大提高医疗团队各个环节的工作效率。但同时，用人成本高昂，专业性AI人才稀缺等问题，严重阻碍了企业的AI进程。

R2 Learn拥有全球领先的AI开发和部署技术。R2 Learn具备低应用门槛、高度自动化等特点，可以大幅提高建模效率，节约时间成本，推动AI在医疗领域快速发展、普及。

关于R2.ai

2015年4月，R2.ai由一群在AI和数据科学领域内很杰出，并富有想象力的团队在硅谷建立。他们致力于将大胆的创意转化为复杂现实中的实际应用。其核心管理团队拥有合计60多年的AI行业经验。

R2.ai是帮助创建AI的AI 。该公司是新一代人工智能开发和运营平台的始创者，其使命是为AI在各行业的应用赋能，大规模推动AI的普及和发展。 不管您是拥有大数据还是行业经验，也不管您是AI专家还是普通商务人员，其尖端的AI技术都可以祝您快速、便捷、经济地自动构建精准的机器学习模型。

更多信息，请访问http://www.r2.ai    

联系我们

产品销售：sales@r2.ai

问题资讯：contact@r2.ai

加入R2.ai社区：http://community.r2.ai