正如在上一篇博文在本系列中，人工智能(AI)和机器学习(ML)现在被用来生成真实世界证据，以支持医疗保健领域的利益相关者决策。lol买外围用什么软件在多个商业应用中，人工智能/ML正在被实施，以提供前所未有的可操作的见解。王者荣耀kpl外围投注其中一个例子是使用AI/ML来预测关键的患者和医生部分，以推进治疗和改善结果。
使用AI/ML回答生命科学的关键业务问题
IQVIA正在将人工智能/ML算法和深度主题专业知识应用于其丰富的颗粒医疗数据，以解决通过预测细分列出的问题。lol买外围用什么软件该方法将用于预测患者或医生的细分，其简化视图如下所示:
预测病人段
当应用这种方法预测患者细分时，来自零售药店、保险公司或电子医疗记录的未识别纵向数据(在源头上匿名)通常作为基础。选择具有特定兴趣特征的患者“训练队列”来训练AI/ML模型。然后将训练后的模型应用于完整的数据集，以识别预测显示与初始训练队列相同特征的患者。
AI/ML应用于预测性患者分割的例子包括:
识别未诊断、未治疗或有风险的患者
理想的细分人群包括患有罕见疾病的患者、新产品的有力候选人，甚至是未来有可能发展成某种疾病的患者。
训练队列的定义是基于特定治疗标志的使用，这些患者的治疗史作为模型的输入。
AI/ML使我们能够阐明患者的人口统计学特征和伴随药物治疗的模式，这是传统方法无法检测到的。
将训练过的模型应用到整个宇宙中，可以根据患者从治疗中获得的潜在益处对患者进行细分。
识别使用特定适应症治疗的患者
虽然加拿大的医疗保健数据丰富而lol买外围用什么软件细粒度，但缺乏诊断信息可能会使了解产品在多个适应症中使用的情况变得复杂。王者荣耀kpl外围投注在这种情况下，可以根据特定的治疗标记物定义训练队列，并随后用于训练AI/ML模型。如果不存在这样的标记，从捕获指示的替代地理位置(例如美国)的数据偶尔会被用来通知模型。从模型中王者荣耀kpl外围投注获得的见解使我们能够将精力集中在预测的部分上，而这些预测部分是真正针对感兴趣的指示进行处理的。
如上所述，预测性患者分割可以提供宝贵的见解，以更好地理解治疗如何在实践中使用。王者荣耀kpl外围投注此外，通过将预测的患者群体与负责治疗的医生联系起来，公司可以确保将资源和精力分配到最需要的地方。
医生预测领域
当应用AI/ML方法预测医生细分时，虽然匿名的纵向患者级数据可能在某些情况下得到利用，但来自零售药店的处方数据通常是重点。在这个应用中，训练队列是一群医生，他们要么表现出期望的行为，要么具有共同的属性。这些医生的处方行为被用来训练AI/ML模型，然后该模型提供一个预测片段来共享特定属性。
AI/ML应用于预测性医生细分的例子包括:
预测与医生实践的相关性
- 在这种情况下，理想的细分市场可能是医生，可能会开出一种新的产品，或只是在一个已建立的市场中发现未开发的机会。
- 医生的细分是根据感兴趣的产品或相关的类似物的使用来定义的。
- 多个市场的处方行为(总脚本量、治疗起始、开关、市场份额等)以及医生人口统计数据可以用来训练AI/ML模型。
- 将训练有素的模型应用到整个世界，会产生一部分医生，他们被预测是开出感兴趣产品的强有力的候选人。
预测共享特定属性的医生
- 无论是通过初级市场研究获得的态度或心理细分，还是局限于医生子集的行为细分，在整个医生世界中获得类似的见解通常是为了提供商业策略和信息。王者荣耀kpl外围投注
- 同样，跨市场处方和人口统计数据被用于训练AI/ML模型。
- 经过训练的模型可以预测哪些医生有望拥有特定的属性，从而可以对这部分进行预测。
在过去，AI/ML方法通常被实现为一种“黑盒”解决方案，它可能提供了有价值的见解，但不一定对通知预测的因素有太多的可见性。王者荣耀kpl外围投注为了评估模型的临床相关性，甚至可能提供更多的见解，越来越多的注意力放在评估模型的预测特征上。王者荣耀kpl外围投注
虽然每个市场和业务问题都需要它自己的一套特定的考虑，AI/ML方法现在经常被用来在加拿大市场执行更准确和更有洞察力的细分。我们的下一篇博客，“让AI/ML成为日常决策的一部分”，将介绍一些阻碍将AI/ML作为日常业务流程的一部分的主要挑战，以及一些可以帮助加速采用的选项和想法。
如果你对这个博客有问题或评论，或想讨论如何您的业务可以利用人工智能/ML精确细分，联系Sebastien Gerega或CanadaInfo@iqvia.com．