人工智能促进斯坦福大学护士和医生之间的合作

人工智能已经证明了作为医生助手的价值，通过疾病识别算法和在患者就诊期间记录笔记的大型语言模型来帮助护理团队。 但斯坦福大学医学院的一项新研究显示了人工智能作为促进者的潜力——帮助医生和护士建立联系以实现更高效的患者护理。

这 学习发表在《JAMA Internal Medicine》上的文章描述了斯坦福医院使用的基于人工智能的模型，当预测患者病情恶化时，该模型会对患者的医生和护士进行标记。

该研究的资深作者、斯坦福大学医学临床副教授和数字健康医学信息学主任 Ron Li 博士表示，该警报系统促进了临床医生之间更高效、更有效的联系，并可以通过干预将患者排除在重症监护室之外。以防止它们恶化。

有什么影响

据李介绍，该算法是一种预测模型，可以近乎实时地提取生命体征、电子健康记录信息和实验室结果等数据，以预测医院患者的健康状况是否即将恶化。

由于医生无法持续监控每个患者的这些数据点，因此该模型在后台运行，每隔 15 分钟查看一次值。 然后，它使用人工智能来计算患者病情恶化概率的风险评分，如果患者病情可能正在恶化，该模型就会向护理团队发送警报。

“护士和医生在换班时会进行对话和交接，但由于日程繁忙和医院的其他动态，很难标准化这些沟通渠道，”李说。 “该算法可以帮助标准化，并引起临床医生对可能需要额外护理的患者的注意。”

他说，一旦护士和医生同时收到警报，就会开始讨论患者需要什么，以确保他们不会拒绝转移到重症监护室。

在最初的实施中，该模型在患者病情已经恶化时发出警报，但团队发现这并不是特别有帮助。 然后，他们调整了模型，重点预测 ICU 转移和其他下降标志。

在对近 10,000 名患者使用的工具进行评估时，团队发现临床结果显着改善——处于高风险边缘的患者的“病情恶化事件”减少了 10.4%。 恶化事件被定义为 ICU 转移或快速反应团队事件。

作者说，对于这组患者，该模型特别有助于鼓励医生和护士合作确定哪些患者需要额外护理。

到目前为止，护理团队的反应是积极的，但该模型仍需要进行一些调整以提高其准确性。 该模型标记的患者中约有 20% 最终在 6 至 18 小时内出现病情恶化，但 Li 表示，该模型产生的对话是有价值的。

“话虽如此，我们希望提高准确性；你需要这样做才能提高信任，”李说。 “这就是我们现在正在努力的事情。”

更大的趋势

国会预算办公室三月份的一份报告确定，有关人工智能技术有用性的证据好坏参半，尤其是在成本方面。

CBO 表示，人工智能和机器学习工具可能会在很多方面影响未来的医疗成本，包括更早发现疾病或识别可能受益于预防性干预措施的患者。 但是，虽然这些工具的某些用途可能会通过防止需要更昂贵的护理或消除不必要的护理来降低成本，但其他工具可能会通过刺激具有有意义的健康益处的昂贵新技术的开发，或通过识别可能受益于某些医疗的其他患者来增加成本。服务。

这些技术的实际应用在这个新生阶段仍然不一致——在预测癌症死亡率方面显示出有用性，但在预测心力衰竭结果方面却表现不佳。 国会预算办公室表示，在确定对医疗保健支出的总体影响之前，需要看到更多的经验证据。

杰夫·拉加斯 是《医疗保健财经新闻》的编辑。
电子邮件：[email protected]
医疗财经新闻是 HIMSS 媒体出版物。