一种通过分析护士记录监测患者状况的创新人工智能系统，在纽约-长老会医院和麻省总医院布里格姆医疗体系的四家医院实施一年后，使住院死亡风险降低36.5%，住院时长缩短11.2%。根据《自然医学》发表的研究显示，该系统每年可挽救约84名本可能死亡的患者，并使3.1万名患者平均提前15小时出院。
这项研究的共同负责人、哥伦比亚大学生物医学信息学与护理学副教授Sarah Rossetti指出："我们的愿景是将该系统推广至全国乃至全球所有医院"。但因其学术隶属关系，原计划用于扩展儿童患者应用的50万美元国家护理研究院经费，因哥伦比亚大学在反犹太校园抗议事件中的应对争议而被特朗普政府撤销。
该AI系统的构想源于Rossetti作为重症护士时的观察。当经验丰富的护士感到担忧时，她们会增加查房频率并记录更详细描述。研究团队据此开发了CONCERN（护士记录担忧通信预警系统）早期预警系统。该系统通过1200多个集成模型，结合护士电子健康记录、住院天数、节假日、季节时段、护士班次等150多个参数，比传统改良早期预警评分系统提前两天预测患者恶化风险。
关键突破在于将护士的"我担忧"直觉转化为具体数据指标。系统与现有临床流程深度整合，通过可视化预警信号（绿-黄-红）提升医护响应速度，使ICU紧急转诊增加的同时，败血症风险降低7.5%。独立团队在200多家医院的回顾数据验证表明，该系统在不同医疗机构均具有效性。
尽管已取得显著成果，研究团队仍在筹措资金以完成儿童医院测试。目前正通过美国护士基金会资助扩展两家成人医院的应用，并准备基于FHIR标准开发电子健康记录对接工具包。哥伦比亚大学已申请专利以推进全国推广，包括资源匮乏地区。
当前研究重点转向成本效益分析，尽管缩短住院时长可能降低医疗支出，但加强ICU使用对医院收入的影响尚不确定。参与医院已持续使用该系统，两大医疗集团正研究全面推广方案。
【全文结束】
