拉夫堡大学的计算机科学家开发了一种AI模型，能够预测智力障碍者的住院时长。
该模型是作为“DECODE”项目的一部分创建的。“DECODE”是一个由国家卫生研究院资助的合作研究项目，汇集了来自七所英国大学和合作医院的研究人员、临床医生和患者，旨在为智力障碍者和多重长期疾病患者发展和增强护理协调。
该模型于2024年6月开发，旨在通过提供有助于改善护理和资源规划的见解来解决智力障碍者和多重健康状况患者面临的医疗挑战。
拉夫堡大学的研究人员使用了超过9,600名智力障碍者和多重健康状况患者的全科医生和医院数据，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AI医疗专家兼DECODE联合研究员乔治娜·科斯玛教授表示：“该模型通过评估患者的年龄、用药历史、生活方式和现有健康状况等因素生成预测。通过早期和准确的预测，医院可以更好地规划并提供更加个性化的护理，确保所有患者得到公平的治疗。”
该AI模型在训练数据集上进行了测试，其区分可能长时间住院和较早出院患者的准确率为76%。
2025年2月14日在《数字健康前沿》杂志上发表的一篇论文详细介绍了该结果，结果显示癌症是男性和女性智力障碍者及多重健康状况患者的主要住院原因，而癫痫是住院期间最常治疗的疾病。
平均而言，智力障碍者和多重健康状况患者的住院时间为三天，住院时间超过129天的情况通常与精神疾病有关，AI模型还发现了这一点。
该研究和更广泛的DECODE项目的见解将用于支持NHS开发风险预测算法，以协助临床医生做出决策。
拉夫堡大学的社会技术系统设计专家兼DECODE联合首席研究员托马斯·军教授表示：“我们现在正在扩大我们的研究范围，包括英格兰超过20,000名更多样化的患者群体，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入院并提高智力障碍者和多重长期疾病患者的生活质量。”
用于训练AI模型的数据来自威尔士的全科医生和医院。作为下一步，研究人员将把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。
(全文结束)
