电子健康记录存储有关医院患者的有价值的信息，但它们通常是稀疏的和非结构化的，这使得难以对可能节省人力和时间的 AI 系统进行解析。幸运的是，纽约大学和普林斯顿大学的研究人员开发了一个框架，用于评估临床记录（即症状描述，诊断原因和放射学结果），并自主分配一个风险评分，表明患者是否会在 30 天内再入院。他们声称，Github 上公开提供的代码和模型参数可以轻松地超越基线。 「准确预测再入院在效率和减轻重症监护室医生的负担方面具有临床意义，」该论文的作者写道。「一项估计认为，再入院的经济负担为 179 亿美元，可避免入院的比例为 76％。」(Venturebeat)