AI研究使用常规行政健康记录可能识别面临紧急风险的人群，从而实现早期干预。
最近发表在《柳叶刀数字健康》上的一项研究表明，仅使用电子健康记录（EHR）中的管理数据即可识别高风险紧急住院患者的新型方法。研究人员通过揭示常规医疗事件（如全科医生就诊）中易于理解的模式，发现了将常规捕获的信息转化为强大预测工具的机会，这种工具基于机器学习——一种人工智能技术。
使用来自威尔士137万名患者的匿名全国初级保健数据，该数据集由斯旺西大学托管，研究人员发现，患者与初级保健机构之间的健康相关互动模式可以显著准确地识别出有紧急住院风险的人群。
“健康数据本质上是杂乱且复杂的，”伦敦帝国理工学院的研究员本杰明·波斯特（Benjamin Post）表示，“然而，临床医生每天都在个体患者层面成功处理这些信息。人工智能技术提供了使大量数据变得连贯和可理解的机会，但规模更大。通过结合机器学习和人类模式识别的优势，我们的方法展示了AI如何在未来辅助现实世界的临床实践。”
不同于传统模型需要大量的有时复杂或不准确记录的临床变量，这种方法仅依赖于大数据集中现成的时间标签。
“我们在管理数据中发现的时间模式揭示了一种未被开发的预测能力，这可能会彻底改变风险评估和医疗资源规划。我们的工作展示了大规模的数字公共卫生，因为它有可能增强医院容量管理，同时为全科医生甚至患者本人提供早期预警。”（英国研究与创新中心AI与神经科学教授阿尔多·法伊萨尔（Aldo Faisal），英国UKRI医疗AI研究中心主任）
重要的是，这种方法可以很好地适用于不同类型的数据，使其有可能在全球范围内应用于不同的医疗系统。这项研究强调了机器学习开发可扩展且高效的医疗工具的潜力。通过利用常规管理数据，这种方法可以提供更快、更经济有效的方法来预测患者风险，并在个人和社会层面上改善医疗规划。
“能够识别出有意外恶化的风险人群将非常有用，尤其是在我们可以通过现有的常规系统以不同方式实现这一点的情况下。这种基于AI的方法有可能允许干预以稳定患者状况，或让他们反思未来健康不可避免恶化时的愿望，并在人口水平上改进服务规划。”（帝国理工学院NHS信托基金会重症监护教授兼顾问斯蒂芬·布雷特（Stephen Brett））
(全文结束)
