Благодаря большим языковым моделям, которые делают записи во время посещений пациентов, и алгоритмам, определяющим заболевания, искусственный интеллект начал доказывать свою ценность в качестве помощника врачей. Но новое исследование Стэнфордской медицины показывает потенциал ИИ в качестве посредника, который помогает врачам и медсестрам объединяться для достижения более эффективного и действенного ухода за пациентами.
Исследование , опубликованное в журнале JAMA Internal Medicine , описывает модель на основе искусственного интеллекта, используемую в Стэнфордской больнице, которая предсказывает , когда состояние пациента ухудшается, и сигнализирует врачам и медсестрам пациента.
Рон Ли, доктор медицинских наук, клинический доцент кафедры медицины и директор по медицинской информатике цифрового здравоохранения , который является старшим автором исследования, сказал, что система оповещения помогает врачам более эффективно и действенно взаимодействовать, а также вмешиваться, чтобы предотвратить ухудшение состояния пациентов и их посадку в отделение интенсивной терапии.
Ли, который работал с постдокторантом в области информатики и ведущим автором Робертом Галло, доктором медицинских наук, над оценкой, обсудил подход их команды к использованию алгоритма и то, как он способствует взаимодействию врачей в постоянно оживленной больничной среде. Лиза Ши, доктор медицинских наук, профессор клинической медицины; Маргарет Смит, директор по операциям первичной медико-санитарной помощи и здравоохранения населения ; и Джерри Вестфаль, менеджер по сестринской информатике, также помог провести исследование и внедрение системы искусственного интеллекта.
Что такое модель ухудшения и как в нее вписывается ИИ?
Алгоритм представляет собой модель прогнозирования , которая собирает данные, такие как показатели жизнедеятельности , информацию из электронных медицинских записей и результаты лабораторных исследований, практически в реальном времени, чтобы предсказать, произойдет ли у пациента в больнице ухудшение здоровья.
Врачи не могут постоянно отслеживать все эти данные для каждого пациента, поэтому модель работает в фоновом режиме, просматривая эти значения примерно каждые 15 минут. Затем он использует искусственный интеллект для расчета оценки риска с учетом вероятности ухудшения состояния пациента, и если кажется, что состояние пациента ухудшается, модель отправляет предупреждение команде по уходу.
Какая польза от запуска такой модели в больнице?
Главный вопрос, на который я хочу ответить: «Как нам использовать ИИ для построения более устойчивой системы здравоохранения в ситуациях с высокими ставками?» Есть много способов сделать это, но одной из основных характеристик устойчивой системы являются надежные каналы связи. Эта модель основана на искусственном интеллекте, но действие, которое она вызывает, вмешательство, по сути, представляет собой разговор, который в противном случае мог бы не произойти.
Медсестры и врачи общаются и передаются друг другу, когда меняют смены, но стандартизировать эти каналы связи сложно из-за плотных графиков и других особенностей работы больницы.
Алгоритм может помочь стандартизировать его и привлечь внимание врачей к пациенту, которому может потребоваться дополнительная помощь. Как только предупреждение поступает одновременно медсестре и врачу , начинается разговор о том, что нужно пациенту, чтобы убедиться, что он не откажется до такой степени, что потребует перевода в отделение интенсивной терапии.
Расскажите мне о том, как ваша команда реализовала и оценила модель.
Мы интегрировали эту модель, которую создавали не мы, в наш рабочий процесс, но с некоторыми изменениями. Первоначально он отправлял предупреждение, когда состояние пациента уже ухудшалось, что нам не показалось очень полезным. Мы скорректировали модель, чтобы сосредоточиться на прогнозировании переводов в отделения интенсивной терапии и других индикаторах ухудшения здоровья.
Мы хотели, чтобы команда медсестер принимала активное участие и чувствовала себя уполномоченной инициировать беседы с врачами о корректировке ухода за пациентом.
Когда мы оценили инструмент, который мы использовали почти для 10 000 пациентов, мы увидели значительное улучшение клинических результатов — снижение на 10,4% случаев ухудшения состояния, которые мы определили как перевод в отделение интенсивной терапии, мероприятия группы быстрого реагирования или коды — среди подгруппа из 963 пациентов с показателями риска в «окне разрыва регрессии», что по сути означает, что они находятся на пороге высокого риска. Это пациенты, чья клиническая траектория может быть не так очевидна для медицинской бригады.
Для этой группы пациентов эта модель оказалась особенно полезной, поскольку побудила врачей и медсестер сотрудничать, чтобы определить, какие пациенты нуждаются в дополнительном уходе.
Как медсестры и врачи отреагировали на интеграцию этой новой модели?
Модель далека от совершенства. Реакция в целом была положительной, но существует обеспокоенность по поводу усталости оповещений, поскольку не все оповещения указывают на реальное снижение. Когда модель была проверена на данных пациентов перед ее внедрением, мы подсчитали, что около 20% пациентов, отмеченных моделью, в конечном итоге испытали ухудшение состояния в течение шести-18 часов.
На данный момент, хотя это и не совсем точная модель, она достаточно точна, чтобы оправдать разговор. Это показывает, что алгоритм не обязательно должен быть идеальным, чтобы быть эффективным.
С учетом вышесказанного мы хотим повысить точность; вам нужно сделать это, чтобы повысить доверие. Это то, над чем мы сейчас работаем.