ヘルスケアのための機械学習：ヘルスケア疫学の大きな変化の危機にon

電子健康データの可用性の向上は、ヘルスケアを改善するための発見と実用的なアプリケーションの両方のヘルスケアの大きな機会を提供します。ただし、医療疫学者がこれらのデータを最適に使用するには、大規模な複雑なデータセットを処理できる計算技術が必要です。機械学習（ML）、データのパターンを特定するためのツールと方法の研究が役立ちます。これらのデータへのMLの適切な適用は、医学の分野、特に感染症の分野で患者のリスク層別化を広く変換することを約束します。これは、ヘルスケア関連の病原体のspread延を減らす標的介入につながる可能性があります。このレビューでは、MLの基本の紹介から始めます。次に、MLがヘルスケアの疫学をどのように変換できるかについて議論し、成功したアプリケーションの例を提供します。最後に、MLを使用して適用したい医療疫学者に特別な考慮事項を提示します。

The increasing availability of electronic health data presents a major opportunity in healthcare for both discovery and practical applications to improve healthcare. However, for healthcare epidemiologists to best use these data, computational techniques that can handle large complex datasets are required. Machine learning (ML), the study of tools and methods for identifying patterns in data, can help. The appropriate application of ML to these data promises to transform patient risk stratification broadly in the field of medicine and especially in infectious diseases. This, in turn, could lead to targeted interventions that reduce the spread of healthcare-associated pathogens. In this review, we begin with an introduction to the basics of ML. We then move on to discuss how ML can transform healthcare epidemiology, providing examples of successful applications. Finally, we present special considerations for those healthcare epidemiologists who want to use and apply ML.