一项由美国国立卫生研究院（NIH）发布的人工智能（AI）驱动的筛查工具成功识别出住院成人中存在阿片类使用障碍风险的患者，并建议将其转介给住院成瘾专家。
该基于AI的方法在启动成瘾专家咨询和推荐监测阿片类戒断症状方面与仅由医疗提供者进行的方法同样有效。与接受提供者启动咨询的患者相比，接受AI筛查的患者在初次出院后30天内再次住院的几率降低了47%。
这种再入院率的降低在研究期间估计为医疗保健系统节省了近109,000美元的费用。
这项发表在《自然医学》上的研究报道了一项已完成的临床试验结果，展示了AI在实际医疗环境中的潜力。该研究表明，对于希望增加成瘾治疗机会、提高效率并降低成本的医疗系统而言，投资AI可能是一个有前景的策略。
“成瘾护理仍然严重不足，特别是在医院环境中容易被忽视，因为在这些环境中很难纳入资源密集型程序，如筛查，”NIH下属的国家药物滥用研究所（NIDA）主任Nora D. Volkow博士说。“AI有可能加强成瘾治疗的实施，同时优化医院工作流程并降低医疗成本。”
在一项临床试验中，威斯康星大学医学院和公共卫生学院的研究人员比较了医生主导的成瘾专家咨询与他们开发并验证的AI筛查工具的表现。
研究人员首先在2021年3月至10月以及2022年3月至10月期间，在威斯康星州麦迪逊市的大学医院测量了医生主导咨询的有效性，其中医疗提供者进行了临时的成瘾专家咨询。随后在2023年3月至10月期间实施了AI筛查工具，以协助医疗提供者并在整个住院期间提醒他们注意患者需要成瘾专家的护理。
从开始到结束，该试验共筛查了51,760例成人住院病例，其中66%未使用AI筛查工具，34%使用了全院范围部署的AI筛查工具。在研究期间，共完成了727次成瘾医学咨询。
AI筛查工具设计用于识别数据中的模式，类似于我们的大脑处理视觉信息的方式。它实时分析电子健康记录中的所有可用文档，如临床笔记和病史，以识别与阿片类使用障碍相关的特征和模式。
一旦识别出这些特征，系统会在医疗提供者打开患者的医疗记录时发出警报，建议其订购成瘾医学咨询并监测和治疗戒断症状。
试验发现，AI提示的咨询与提供者启动的咨询一样有效，确保了质量不下降，同时提供了更可扩展和自动化的解决方案。具体来说，当医疗专业人员使用AI筛查工具时，1.51%的住院成人接受了成瘾医学咨询，而没有使用AI工具的情况下这一比例为1.35%。
此外，AI筛查工具与较低的30天再入院率相关联，使用AI筛查工具的住院成人中有约8%再次入院，而在传统提供者主导组中这一比例为14%。
即使考虑了患者的年龄、性别、种族和民族、保险状况以及合并症后，30天再入院率的降低仍然成立。通过计算比值比，研究人员估计使用AI筛查工具可以减少16例再入院。
随后的成本效益分析表明，每避免一次再入院的净成本为6,801美元，包括对患者、医疗保险提供商和/或医院的费用。这相当于在使用AI筛查工具的八个月研究期间，即使考虑到维护AI软件的成本，仍节省了大约108,800美元的医疗费用。目前估计30天内再入院的平均费用为16,300美元。
“AI在医疗环境中具有潜力，但许多基于AI的筛查模型仍处于开发阶段，尚未整合到实际环境中，”该研究的主要作者、威斯康星大学麦迪逊分校副教授Majid Afshar博士表示。“我们的研究代表了将AI筛查工具嵌入成瘾医学和医院工作流程中的首批示范之一，突显了这种方法的实际可行性和现实世界中的潜力。”
尽管AI筛查工具表现出强大的效果，但仍存在一些挑战，包括医疗提供者的警报疲劳和需要在不同医疗系统中进行更广泛的验证。作者还指出，虽然跨越多年的研究期是季节性匹配的，但阿片类危机的演变可能会引入残留偏差。未来的研究将重点优化AI工具的整合，并评估其对患者长期结果的影响。
阿片类危机继续给美国的医疗系统带来压力，2022年至2023年间，因物质使用问题而急诊科就诊的人数增加了近6%，达到约760万。阿片类药物是继酒精之后导致这些就诊的第二大原因，但在医院中对阿片类使用障碍的筛查仍然不一致。因此，患有阿片类使用障碍的住院患者经常在见到成瘾专家之前就出院了，这是一个导致过量用药率增加十倍的因素。
AI技术作为一种新颖且可扩展的工具，有望克服这些障碍，改善早期干预的机会并将患者与阿片类使用障碍的药物治疗联系起来，但还需要更多的研究来了解如何在医疗环境中有效使用AI。
(全文结束)
