一项新的研究表明，由AI驱动的临床警报可以帮助医生识别有自杀风险的患者，从而提高常规医疗环境中预防工作的效果。该研究调查了AI系统是否可以有效地提示范德比尔特大学医学中心（VUMC）三家神经科诊所的医生在常规门诊中筛查患者的自杀风险。
研究比较了两种方法：自动弹出警报（中断医生的工作流程）和较为被动的系统（仅在患者的电子病历中显示风险信息）。结果显示，中断式警报更为有效，促使医生在42%的筛查警报中进行了自杀风险评估，而被动系统的这一比例仅为4%。
这项研究由生物医学信息学、医学和精神病学副教授Colin Walsh博士领导，测试了他们开发的AI系统——范德比尔特自杀企图和意念可能性模型（VSAIL）。Walsh表示：“大多数死于自杀的人在去世前一年曾看过医疗提供者，通常是因为与心理健康无关的原因。但普遍筛查在每个环境中并不总是可行的。我们开发VSAIL是为了帮助识别高风险患者，并促进有针对性的筛查对话。”
VSAIL模型分析电子健康记录中的常规信息，以计算患者在未来30天内自杀企图的风险。在早期的前瞻性测试中，当VUMC患者的记录被标记但未触发警报时，该模型在识别高风险患者方面表现出色，每23个被系统标记的个体中就有一人在之后报告了自杀念头。
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，他们的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。Walsh说：“自动化系统仅标记了大约8%的患者就诊用于筛查。这种选择性方法使得繁忙的诊所能更容易实施自杀预防工作。”
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，通过审查VUMC的健康记录，未发现任何随机分配警报组的患者经历了自杀意念或自杀未遂事件。
虽然中断式警报在提示筛查方面更有效，但它们可能会导致“警报疲劳”——即医生因频繁的自动化通知而感到不知所措。研究人员指出，未来的研究应关注这一问题。
Walsh表示：“医疗系统需要在中断式警报的有效性与其潜在的负面影响之间取得平衡。但这些结果表明，自动化风险检测结合精心设计的警报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)
