正如在最后一篇博客在这个系列中，人工智能（AI）和机器学习（ML）现在正被用来生成真实世界的证据，以支持医疗领域的利益相关者决策。还有多个商业应用程序正在实施AI/ML，以提供前所未有的可操作的见解。其中一个例子是使用AI/ML预测关键患者和医生群体，以推进治疗和改善结果。betway必威怎么提款必威手机APP
使用AI/ML回答生命科学的关键业务问题
IQVIA将AI/ML算法和深入的主题专业知识应用于其丰富的细粒度医疗数据，以解决通过预测性细分列出的问题。该方法的简化视图可用于预测患者或医生细分，如下所示：必威手机APP
预测患者节段
当应用这种方法预测患者群体时，零售药店、保险公司或电子医疗记录中未识别的纵向数据（在来源处匿名）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在预测性患者细分中的应用示例包括：
识别未诊断、未治疗或高危患者
理想的人群包括患有罕见疾病的患者、新型产品的有力候选人群，甚至是未来可能出现疾病的患者。
根据特定治疗标志的使用定义训练队列，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联合用药的模式，这些模式无法通过更传统的方法检测到。
将经过训练的模型应用于整个宇宙，可以根据患者可能从治疗中获得的潜在益处对患者进行细分。
确定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且必威手机APP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的使用情况变得复杂。在这种情况下，可以基于特定治疗标记物的使用来定义训练队列，并随后用于训练AI/ML模型。如果不存在此类标记，则偶尔会利用从betway必威怎么提款获取指示的替代地理位置（如美国）获取的数据来通知模型。从模型中获得的见解使人们能够将精力集中在预测的细分市场上，这些细分市场真正被视为关注的指标。
如上所述，预测性患者细分可以提供宝贵的见解，以便更好地理解如何在实践中使用治疗。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betway必威怎么提款工作分配到最需要的地方。
预测医师细分
当应用AI/ML方法预测医师细分时，虽然在某些情况下可能会利用匿名纵向患者级数据，但来自零售药店的处方数据通常是重点。在此应用中，培训队列是一组表现出期望行为或具有共同属性的医生。这些医生的处方行为用于训练AI/ML模型，该模型随后提供预测共享特定属性的片段。
AI/ML在预测性医师细分中的应用示例包括：
预测与医师实践的相关性
- 在这种情况下，理想的细分市场可能是医生，他们可能会开出一种新产品，或者只是在一个既定市场中发现尚未开发的机会。
- 医师细分是根据感兴趣的产品或相关类似产品的使用来定义的。
- 可以利用多个市场的处方行为（总脚本量、治疗启动、切换、市场份额等）以及医生人口统计数据来训练AI/ML模型。
- 将经过训练的模型应用于整个宇宙会产生一部分医生，他们被预测为开出感兴趣产品的有力候选人。
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，还是仅限于医生子集的行为细分，通常都希望在医生群体中获得类似的见解，从而为商业战略和信息传递提供信息。betway必威怎么提款
- 同样，跨市场处方和人口统计数据用于训练AI/ML模型。
- 训练有素的模型预测预期共享特定属性的医生，从而允许预测细分市场。
在过去，AI/ML方法通常作为一种“黑匣子”解决方案实施，这种解决方案可能提供了有价值的见解，但不一定对影响预测的因素有太多的可见性。越来越多的人将更多的注意力放在评估模型的预测特征上，以便评估临床相关性，甚至可能提供更多的见解。betway必威怎么提款
虽然每个市场和业务问题都需要自己的一套具体考虑因素，但AI/ML方法现在经常被用来在加拿大市场上进行更准确、更深入的细分。我们的下一个博客，“使Ai/ML的日常决策的一部分，”将提出一些最大的挑战，阻碍采用Ai/ML作为您日常业务流程的一部分，以及一些选项和想法，以考虑有助于加速采用。
如果您对本博客有疑问或评论，或者希望讨论您的企业如何利用AI/ML进行精确细分，请联系塞巴斯蒂安·格雷加或CanadaInfo@iqvia.com.