如何使用人工智能解決醫(yī)療保健中最持久的問題之一

醫(yī)學成像是醫(yī)療保健中使用最廣泛的診斷工具之一，提供者每天為患者訂購數(shù)十項成像研究。這些研究用于獲取有關患者具有的某些癥狀或他們正在接受治療的病癥的信息，但經常有與研究的原始適應癥無關的偶然發(fā)現(xiàn)。

雖然放射學報告中提到了偶然發(fā)現(xiàn)，但訂購提供者通常不會注意到這些發(fā)現(xiàn)，因為他們專注于解決研究的原始意圖。雖然其中許多發(fā)現(xiàn)是良性的，但有些可能會發(fā)展為惡性腫瘤，因此及時隨訪對于防止長期損害患者的健康至關重要。

對偶發(fā)診斷成像結果的延遲和錯過隨訪是醫(yī)療保健中最多產的問題之一，它傷害了全國數(shù)百萬患者并推高了成本。在全國范圍內，醫(yī)院和衛(wèi)生系統(tǒng)每年花費約 4300 萬美元來解決僅對肺部檢查結果遺漏的訴訟。

“這個問題是一個可預防傷害的案例研究：有一個記錄在案但未被認可的發(fā)現(xiàn)可能會導致有意義的干預，但患者的疾病卻不受控制地發(fā)展，”醫(yī)學主任、醫(yī)學博士、博士 Mozziyar Etemadi 說西北醫(yī)學的先進技術。

認識到對患者安全和財務風險的嚴重威脅，西北醫(yī)學動員了一個由放射學、質量、患者安全、流程改進、初級保健、護理、信息學和其他方面的成員組成的多學科團隊來解決這個問題。該團隊創(chuàng)建了一個利用人工智能 (AI) 集成到電子健康記錄 (EHR) 中的系統(tǒng)，該系統(tǒng)運行在幾乎所有在 11 家醫(yī)院衛(wèi)生系統(tǒng)中訂購的成像研究中。需要時，人工智能會在 EHR 中觸發(fā)警報，直接在預約醫(yī)生的工作流程中清楚地顯示結果和建議的后續(xù)行動。

一旦系統(tǒng)觸發(fā)警報，它就會跟蹤建議的后續(xù)發(fā)現(xiàn)的完成情況，以發(fā)現(xiàn)偶然發(fā)現(xiàn)和預期發(fā)現(xiàn)。如果未采取措施安排額外的成像或其他隨訪，則會發(fā)送另一個警報以防止延誤護理并改善患者預后。

Northwestern Medicine 于 2020 年 12 月首次實施該技術以尋找肺部和腎上腺的發(fā)現(xiàn)，然后對其進行了一年多的前瞻性測試。該研究的結果今天發(fā)表在NEJM Catalyst Innovations in Care Delivery上，這是在臨床實踐中部署的 AI 工具的首批前瞻性研究之一。

標簽：