为了推进结肠癌的早期检测，位于南达科他州苏福尔斯的桑福德健康系统开发了一种预测AI模型，旨在识别患该疾病风险较高的个体。该模型由机器学习驱动，并利用电子医疗记录，评估超出标准指标的风险因素，帮助医生优先考虑可能需要更紧急筛查的患者。
“我们的目标是确保每位患者都能获得最高质量的护理，包括必要的结直肠癌筛查，”桑福德健康系统的首席医疗官杰里米·考威尔斯博士在接受《贝克尔医疗》采访时说。“这个模型帮助我们更准确地识别那些处于更高风险的患者，使我们能够有效地联系到那些可能未接受检测的个体。”
桑福德健康系统的模型不仅关注年龄、家族史和生活方式等传统风险因素，还纳入了一些可能被常规筛查忽视的较少为人知的变量。桑福德法戈（北达科他州）医疗中心胃肠病学部门主席约翰·巴斯博士告诉《贝克尔医疗》，该模型考虑了85个变量，使系统能够更有效地分层风险。“通过这个模型，我们可以从平均风险池中筛选出较高和较低风险的个体，从而将结肠镜检查等资源分配给最需要的人，”巴斯博士说。
开发这一模型的一个重要动机来自美国预防服务工作组最近的建议，即将常规结肠癌筛查的年龄从50岁降低到45岁。“这一变化仅在我们系统内就增加了10万名符合条件的新患者，挑战了我们有限的资源，”巴斯博士说。“AI模型通过首先识别最高风险的患者来帮助我们应对这一需求。”
该模型是在桑福德健康系统的数据分析和生物统计团队的合作下开发的，数据集来自45万多名45至80岁的个体。“所有用于训练和分析的数据都经过脱敏处理，使我们的团队能够在不知道任何个体患者身份的情况下工作，”考威尔斯博士说。“这是基本原则，尤其是在我们考虑扩展该模型或与其他医疗系统合作时。”
随着桑福德健康系统继续试点该模型，其领导层希望建立支持其有效性的证据基础，并计划发布研究结果并进行全面推广。巴斯博士和考威尔斯博士对这种AI驱动方法的未来充满信心，希望它能成为全国癌症筛查的标准组成部分。“该模型优先识别高风险患者，有望减少等待时间并提高早期检测率，”考威尔斯博士说。“这是一个令人兴奋的进步，突显了桑福德健康系统致力于主动、数据驱动的医疗保健。”
(全文结束)
