一项来自范德比尔特大学医学中心（Vanderbilt University Medical Center）的新研究表明，由人工智能（AI）驱动的临床警报可以帮助医生识别有自杀风险的患者，从而在常规医疗环境中改善预防工作。这项研究由生物医学信息学、医学和精神病学副教授科林·沃尔什（Colin Walsh，MD，MA）领导的团队进行，测试了他们的AI系统——范德比尔特自杀企图和意念可能性模型（Vanderbilt Suicide Attempt and Ideation Likelihood model，简称VSAIL），能否有效地促使医生在三家神经科诊所的常规门诊中筛查患者的自杀风险。
该研究发表在《JAMA Network Open》上，比较了两种方法：自动弹出的中断式警报（会打断医生的工作流程）和更为被动的系统（仅在患者的电子病历中显示风险信息）。研究发现，中断式警报的效果远胜于被动式系统，导致医生在42%的筛查警报下进行了自杀风险评估，而被动式系统的这一比例仅为4%。
“大多数死于自杀的人在死亡前一年曾看过医疗服务提供者，通常是出于与心理健康无关的原因。”沃尔什说，“但普遍筛查在每个环境中并不总是可行的。我们开发了VSAIL来帮助识别高风险患者，并促使进行有针对性的筛查对话。”
在美国，过去几代人以来，自杀率一直在上升，估计每年每10万人中有14.2人死于自杀，使其成为美国第11大死因。研究表明，77%死于自杀的人在死亡前一年曾接触过初级保健提供者。为了改善风险筛查，研究人员正在探索识别最需要评估的患者的方法。范德比尔特团队开发的VSAIL模型分析了电子健康记录中的常规信息，以计算患者在未来30天内自杀未遂的风险。在早期的前瞻性测试中，尽管VUMC患者的记录被标记但未触发警报，该模型已被证明在识别高风险患者方面有效，每23个被系统标记的个体中就有1人在之后报告了自杀意念。
在新研究中，当被VSAIL识别为高风险的患者前往范德比尔特的神经科诊所就诊时，医生会随机收到中断式或非中断式警报。研究集中在神经科诊所，因为某些神经疾病与自杀风险增加有关。研究人员建议可以在其他医疗环境中测试类似的系统。
“自动化系统只标记了大约8%的患者就诊用于筛查。”沃尔什说，“这种选择性的方法使得繁忙的诊所能更容易实施自杀预防措施。”
该研究涉及7,732次患者就诊，共触发了596次筛查警报。在30天的随访期内，通过对VUMC健康记录的审查，无论是在哪一组随机警报下，都没有患者经历自杀意念或自杀未遂事件。虽然中断式警报在促使筛查方面更有效，但它们可能会导致“警报疲劳”——医生因频繁的自动化通知而感到不堪重负。研究人员指出，未来的研究应关注这一问题。
“医疗系统需要在中断式警报的有效性和潜在缺点之间找到平衡。”沃尔什说，“但这些结果表明，结合精心设计的警报的自动化风险检测可以帮助我们识别更多需要自杀预防服务的患者。”
(全文结束)
