美国麻省理工学院（MIT）、麻省总医院和密歇根大学的科研人员开发出了一种机器学习算法可有效发现艰难梭菌感染，相比传统方法可较早实现诊断。 

　　研究人员指出，之前的大部分艰难梭菌感染风险模型都设计为“一刀切”方法，并且仅包含几个风险因素，因而用处有限。研究人员采用“大数据”方法分析了完整的电子病历，以此预测患者在住院期间感染艰难梭菌的风险。他们的方法允许开发机构量身定制模型，可适应不同的患者人群、不同的电子病历系统和特定于各家机构的因素。 

　　来源：麻省理工学院