在医疗保健领域，团队合作至关重要，然而许多人工智能技术仅关注医生提供的数据，忽视了护士和康复治疗师的重要贡献。一个由芝加哥大学（UIC）共同领导的创新项目旨在通过利用人工智能技术整合更广泛的专业人员的健康数据，创建综合数据集，从而彻底改变患者护理方式。这一开创性的合作涉及爱荷华大学、密苏里大学和洛约拉大学等机构，以及技术合作伙伴微软和Tackle AI。该项目获得了联邦高级研究计划局健康部门（ARPA-H）高达1000万美元的资金支持，这是ARPA-H首次向UIC提供资金，UIC将作为合同执行机构。
研究人员将开发新的方法，将各种健康专业人员（包括护士、物理治疗师、职业治疗师和言语病理学家）的结构化数据和自由文本笔记整合到电子健康记录中。这些笔记通常包含有关患者进展的宝贵见解，尤其是在其护理超出医院范围的情况下。
该项目重点关注两个复杂的患者群体：跌倒相关伤害的恢复者和从新生儿重症监护室（NICU）过渡到家庭的婴儿，并认识到这两个群体都需要协作的护理方法。“医疗保健是一个跨学科的过程，但现有的数据工具和基础设施忽略了大部分团队成员，”UIC的首席研究员兼教授安德鲁·博伊德（Andrew Boyd）强调，“其他专业人员更频繁地接触患者，提供非常高质量的数据，这些数据更接近患者的实际情况，而不仅仅是医生记录的时间片段。”
通过在这些新数据集上使用先进的计算方法，研究人员旨在生成全面的护理总结，并开发新的AI应用程序以增强患者治疗和结果。“跌倒和NICU患者在住院期间和门诊诊所都需要全队护理。但碎片化、孤立的文档阻碍了沟通，”密苏里大学的首席研究员凯瑟琳·克雷文（Catherine K. Craven）指出，“通过统一这些数据，我们可以改善医护人员、患者及其护理伙伴之间的沟通，并生成新的科学见解以改善患者结果。”
该倡议的潜在影响不仅限于跌倒和NICU过渡，爱荷华大学的卡伦·邓·洛佩兹（Karen Dunn Lopez）指出：“当你解决复杂、困难的问题时，你获得的见解和开发的解决方案很可能适用于不太复杂的问题。”
AI在医疗保健领域的潜力主要在于其从电子健康记录中提取洞察的能力。研究表明，纳入护理观察可以更准确地预测患者风险，如死亡率。这在管理成人跌倒伤害方面尤为重要，因为这一问题充满了复杂性。最显著的跌倒风险预测因素是之前的跌倒次数，但患者往往不会向医生报告所有事件。“数据是金子，但在能够使用之前它是无意义的，”UIC的教授坦维·巴特（Tanvi Bhatt）表示，“我们拥有的文本笔记比实验室测量更具叙述性和描述性。但如果这些文本丢失，护理的连续性就会中断。”
整合来自各种医疗专业人员的数据可以使临床医生更清楚地了解患者的跌倒风险，并实施有针对性的干预措施。此外，这种方法鼓励患者参与医疗决策。“我们知道，最佳实践是以患者和家庭的专业知识为中心，以推动最佳结果并获得他们的认同和遵守，”UIC的教授玛丽·赫塔尼（Mary Khetani）说，“但我们不能过量提供信息。”
为了促进这种整合，项目中的计算机科学家将开发先进的文本挖掘和语言处理工具，以克服结合不同学科数据的障碍。“医疗数据在很多方面都是独特的，其中一个特点是它倾向于包含不常见于更流行在线资源的术语，”UIC的计算机科学副教授娜塔莉·帕尔德（Natalie Parde）解释道，“本拨款的核心技术挑战之一是将这些工具和技术发展到可以在医疗保健环境中可靠使用的程度。”
来自护士和治疗师的综合见解将使创建更详细的健康风险和治疗效果预测模型成为可能。AI工具还可以生成大量文本数据的简洁摘要，增强医护人员与患者之间的沟通。该项目展示了UIC在健康科学和计算机科学方面的多样优势，通过协作努力和开源工具实现。“UIC是一个拥有多种技能的地方，大家彼此熟悉并协同工作，”博伊德总结道，“当这些美好的机会出现时，我们可以集结所有人，包括我们的合作机构，尝试改变我们看待医疗数据的方式。”
(全文结束)
