一种新的AI模型已经开发出来，用于预测有学习障碍的人可能在医院住多长时间，提供有价值的见解，可以改进护理和资源规划。该模型由拉夫堡大学（Loughborough University）的计算机科学家作为“DECODE”项目的一部分开发，旨在应对有学习障碍和多种健康状况的人面临的医疗挑战。
这个群体的预期寿命比英国平均水平低20年，通常由于较差的身体和心理健康以及更高的慢性病发病率。这些因素增加了可预防并发症的风险，降低了生活质量，并延长了住院时间。
AI模型的工作原理
拉夫堡大学的研究人员利用来自超过9,600名有学习障碍和多种健康状况患者的全科医生（GP）和医院数据，开发了一个能够在入院后的前24小时内预测住院时长的AI模型。
拉夫堡大学的医疗保健AI专家、DECODE项目的共同研究员乔治娜·科斯马教授解释说：“该模型通过评估患者的年龄、用药史、生活方式和现有健康状况来生成预测。”她补充道：“有了早期和准确的预测，医院可以更好地规划并提供更加个性化的护理，确保所有患者都能得到公平的治疗。”
该AI模型在训练数据集上的测试结果显示，它能以76%的有效率区分可能长时间住院和较早出院的患者。
住院趋势
该AI模型还被用来分析医院数据，以确定有学习障碍和多种健康状况人群的住院原因和健康模式。研究发现：
- 癌症是导致男性和女性有学习障碍和多种健康状况患者住院的主要原因，但其他主要原因因性别而异。
- 癫痫是在住院期间最常治疗的疾病，但其他主要原因因性别而异。
- 平均有学习障碍和多种健康状况的人平均住院时间为三天，住院时间超过129天的情况通常与精神疾病有关。
- 住院时间超过四天的患者更有可能：
- 年龄超过50岁
- 居住在更贫困的地区
- 患有肥胖或缺乏体力活动
- 患有更多的健康状况，有长期住院的历史或之前接受过长期疾病的治疗。
研究的重要性
学习障碍慈善机构Mencap的首席执行官乔恩·斯帕克斯OBE欢迎这一研究结果。他说：“这项研究表明，AI可以通过识别模式和预测资源需求来帮助解决这些巨大的不平等现象，从而改善患者的治疗效果。然而，仅靠预测是不够的——我们必须确保这些见解能够推动现实世界的变化，减少不必要的住院，并确保有学习障碍的人获得及时、有效和个性化的支持。随着政府制定10年NHS计划，他们必须优先考虑利用技术解决健康不平等问题，并确保医疗系统满足有学习障碍者的需求。”
下一步工作
这项研究的见解以及更广泛的DECODE项目将被用于支持NHS开发风险预测算法，以协助临床医生进行决策。
莱斯特郡伙伴关系NHS信托的顾问精神病学家、DECODE项目的共同首席研究员萨特什·甘加达尔博士表示：“我们正在将这些知识付诸实践，并广泛分享。虽然医院护理是医疗保健的重要组成部分，但我们正在探索如何通过提前干预和更好地参与有学习障碍者的护理来减少住院需求。”
该AI模型的训练数据来自威尔士的全科医生和医院。作为下一步工作的一部分，研究人员正在将该模型应用于英格兰医院的数据集，以评估不同人群中是否会出现类似的模式。
拉夫堡大学社会技术系统设计专家、DECODE项目的共同首席研究员托马斯·朱恩教授表示：“我们现在正在扩大研究范围，包括来自英格兰的20,000多名患者，以确保我们的预测模型尽可能准确和有效。我们还在寻求额外的资金进行临床试验，以测试这种个性化预测工具如何减少紧急住院并改善有学习障碍和多种长期病症患者的生活质量。”
阅读完整研究
AI分析的结果和预测模型的开发已在《数字健康前沿》上发表。该论文还详细介绍了用于减少AI模型偏见的技术，以确保在不同种族群体中进行公平和准确的预测。
该研究的主要作者、拉夫堡大学计算机科学研究员埃梅卡·阿巴卡桑加表示：“我们希望这篇论文及其研究成果能够为有学习障碍的多样化患者群体在医院入院方面提供更公平的医疗干预。”
(全文结束)
