目前AI在医疗保健领域的状态是什么？梅奥诊所的约翰·哈拉姆卡博士和保罗·塞拉托回答说：“部署是王道”。到目前为止，初创企业和老牌公司开发的众多医疗AI解决方案中，只有很少部分得到了实际应用。“要在医疗系统内部署一个解决方案，它需要符合特定的治理协议，与IT系统集成，并赢得每天使用它的临床医生和管理人员的支持。”哈拉姆卡和塞拉托写道。
一个紧密集成且运行良好的AI解决方案的例子是巴拉德健康公司上个月宣布的一项成果。作为阿巴拉契亚高地的主要医疗保健提供者，巴拉德健康公司在一年多的时间里一直致力于部署MedAware基于AI的药物安全监测平台，将其嵌入其Epic电子病历（EMR）系统的流程中。对于AI医疗创业公司来说，“最大的挑战是找到一个足够耐心的合作伙伴，引导我们完成与大型EMR系统的集成，特别是Epic。”MedAware的联合创始人兼首席科学官吉迪·斯坦说。
MedAware帮助巴拉德的药剂师在患者住院期间识别药物相关风险的演变，为他们提供个性化的、患者特定的药物相关风险的可见性。这种实时的视角使巴拉德的药剂师能够快速识别高危患者，更好地优先处理患者护理，并提高效率。因此，巴拉德健康公司预计数千名患者将免受药物不良事件的影响。
仅在美国，每年因医疗错误导致的死亡人数可能超过25万。其中约70%的药物错误是由处方错误引起的。斯坦在以色列一家顶级医院工作时目睹了这些错误，从而创立了MedAware，这是一个数据驱动的患者安全平台。
广泛使用的决策支持系统通过基于特定药物对一般人群已知情况的规则方法来帮助医生识别潜在风险和药物相互作用。斯坦从金融服务行业观察到的从基于规则到数据驱动系统的转变中获得了灵感：从每次系统检测到一般异常时提醒银行和消费者，转变为仅在偏离个人数据轨迹和特定客户常规行为时发出警报。
“系统性的失败需要系统性的解决方案。”斯坦说。现有的药物安全系统在多个方面存在缺陷，通常涉及医疗保健系统的各个要素。由于许多生成的警报是假警报，这导致医生、药剂师和护士对它们产生“警报疲劳”，往往忽视这些警报。同时，斯坦指出，“还有许多其他类型的危险未被这些基于规则的系统检测到。”此外，这些系统忽略了斯坦称之为“时间维度”的因素，即关注实验室测试、生命体征和其他数据在药物开具和分发后的变化。
相比之下，作为一个24/7监控系统和个人特定的适应工具，MedAware的解决方案“将警报数量减少了90%以上，提高了其临床准确性和可操作性。”斯坦说。MedAware平台不仅实时监控特定患者的当前状况，还了解他们的过去病史，并能够指出未来的潜在风险。
最近，哈佛医学院的一项研究证实了MedAware的预测能力。该研究使用超过649,000份门诊记录验证了MedAware用于识别有阿片类药物使用障碍（OUD）风险患者的算法。MedAware解决方案的准确性超过93%，而两个专家意见的准确性为85%。
许多患者在接受处方阿片类药物后发展为OUD，导致美国每年超过70,000人死亡。MedAware可以帮助医生在开具阿片类药物时做出更好的决策，并在早期阶段识别出成瘾患者。“我们识别的患者处于过程的早期阶段，有很大的机会可以挽救他们。”斯坦说。此外，MedAware平台可以用作人群健康管理工具，筛查大量人群，以识别可能需要进一步评估疑似OUD的患者。
MedAware平台的另一个潜在用途——将其AI算法添加到医疗设备中——已经通过与百特国际的合作得到展示。智能输液泵使用剂量误差减少系统（DERS）通过检查编程剂量与特定药物的预设限制来帮助防止药物错误。在医院的药物库中为所有药物和护理区域开发有意义的DERS限制，并通过医院内的数千个输液泵部署所需的变化，是一项具有挑战性的工作，需要详细的分析和大量的资源来维护。
百特国际的一项研究分析了10个月内进行的3,823,367次输液，发现44,819次输液泵编程条目偏离了常见的编程模式。大约25%的这些异常条目通过MedAware的算法被识别出来，但并未触发DERS，临床医生也没有收到警报。研究表明，通过使用AI构建和维护动态审查输液并信号可能的输液错误的智能输液药物库，可以提高患者安全，百特国际的研究人员表示。“这是基于我们开发的核心技术的完全不同应用。”斯坦说。
MedAware是一个很好的例子，展示了三个重要的发展：A. 医疗AI解决方案的成功高度依赖于与现有医疗系统基础设施和工作实践的集成。B. MedAware将AI应用于患者安全的方法展示了从基于规则到数据驱动解决方案的整体转变，这使得个性化成为可能。C. 现代AI，即分析大量数据的机器学习模型，正在推动从大众服务向针对狭窄客户群体甚至个体的定制化服务的转变。
(全文结束)
