数据科学家正在使用机器学习来更好地预测哪些患者有再次入院的风险，这可能挽救生命和数十亿美元。

目前衡量再入院风险的模型被用于制定更广泛的医疗政策，而不是告知影响单个医院患者的护理决策。

邦德大学债券商学院（Bond Business School）的最新研究提供了一个更为细致的分析，它使用了12种机器学习技术，深入研究了两家黄金海岸医院的数据。

数据分析助理教授、研究报告的主要作者詹姆斯托德（jamestodd）说，人们普遍认为，许多医院的再入院是可以避免的，这会导致更糟糕的患者结局和更高的医疗成本。

维多利亚州政府委托进行的一项研究发现，2010-2011年间，超过10.3万名患者在出院后30天内返回公立医院，该系统花费约4.31亿美元。

托德博士说：“目前使用的许多工具反映了政策的重点，这意味着它们擅长于衡量。”。“他们不擅长的是提供对医院决策者有用的信息，这些决策者正试图回答诸如‘我把我的资源放在哪里’？

“我们已经开发出一些工具，通过确定哪些病人复诊的风险更高，从而更好地装备医院来管理他们的再次入院，以便他们能够及早干预。

“我可以说，在我出院的每个人中，哪一个最有可能在未来七天内回来？你不能用现有的工具做到这一点。”

托德博士说，目前大多数的模型预测病人出院后30天再入院的风险。

邦德团队使用了更丰富的数据集，使他们能够在多个时间点对多种情况进行预测。

例如，他们考虑了患者的年龄、上一年急诊科入院的次数以及他们之前是否接受过重症监护。

托德博士说：“有些人可能在7天内（再次入院），有些人在14天内可能会面临再次入院的风险，即使他们有相同的情况，他们的风险状况也不同。”。

他说，研究的下一步将是看看是否可以利用其他医院的数据复制这一发现。

这项发表在《决策支持系统》杂志上的研究使用了来自黄金海岸大学医院和罗比纳医院急诊科的6万多名成人入院患者的数据。