人工智能在医疗保健环境中的潜在用途似乎正以指数级的速度增加。除了用于研究和开发、客户服务需求、减少行政文件负担或简化监管流程之外，医院最新的趋势是利用这项技术来帮助监控患者。
从最传统意义上讲，远程患者监测（RPM）指的是使用数字技术来帮助在传统医疗或临床环境之外监控患者。例如，如果患者有慢性病，可穿戴设备或追踪器可以帮助监测患者并在长时间内收集数据，将这些数据汇总起来，以便在下次就诊时为医生提供更多信息。其价值显而易见：它提供了患者在预定就诊之外的生活情况的可见性，这在过去一直是及时有效诊断和管理的障碍。通过长时间收集的数据，护理团队成员可以以及时、有意义且符合患者生活方式的方式管理和治疗慢性病。
然而，多年来，创新者开始扩展RPM的定义；医疗专家越来越认识到，患者监测不仅在医疗环境之外至关重要，在传统护理环境中也同样重要，尤其是在长期护理设施中，对于需要持续监测的高风险患者，甚至作为解决日益严重的劳动力短缺问题的一种手段。
就医院而言，美国医疗系统正面临迅速增长的医疗工作者短缺，与此同时，人口老龄化也在加速。美国医学院协会指出，到2036年，医生短缺人数将达到近86,000人。此外，根据关键研究，当局预测到2030年护士短缺人数将接近63,000人。确实，如果没有这两根支柱，医疗系统将陷入停滞。
这就是为什么技术公司试图利用人工智能来增强医疗劳动力。上周，著名的远程医疗公司Teladoc Health宣布将推出AI功能，提供“虚拟看护”解决方案。通常，在许多住院患者的医院环境中，工作人员被用来“看护”和照看需要额外监测和关注的患者。然而，这是最重的劳动投入之一——持续的人员监控往往会占用其他任务的时间，这意味着医疗机构不得不雇用专门负责看护的人。
Teladoc的虚拟看护解决方案希望利用AI解决这一难题：“使用先进的预训练算法、运动检测和姿态估计，扩展后的解决方案可以视觉检测可能导致跌倒的患者动作，使床边工作人员能够更快地进行干预。” 一个关键的应用场景可能是监测有较高跌倒风险的患者；AI工具可以在检测到患者离开床铺时提醒工作人员。
类似的，医疗机构也越来越利用“智能病房”技术。Care.ai 在这一领域开创了许多解决方案，利用AI和环境传感器使患者病房变得“智能”：“自然语言处理（NLP）可以解释和转录医生和患者的对话，将其转换为结构化数据，有助于自动化文档记录并减少手动输入。机器学习传感器监测患者活动和重要的临床及运营过程，从这些数据模式中学习，以预测患者需求或检测异常，确保决策所依赖的数据既及时又准确。” 据该公司称，该技术可用于多种应用场景，从防跌倒和预防压力性损伤到实现虚拟查房和确保员工遵循规定的协议。实际上，这项技术的潜力如此巨大，以至于今年8月，医疗器械和技术巨头Stryker宣布将收购care.ai，以增加其企业解决方案的阵容。
这只是医疗保健和技术组织如何越来越多地投资于AI工具来观察患者并帮助工作流程需求的几个例子。确实，尽管关于医疗保健领域AI的大多数讨论都集中在医生使用案例和减轻行政负担上，但这项技术在患者监测空间中具有巨大的变革潜力。
(全文结束)
