美国国立卫生研究院（NIH）资助的一项临床试验表明，一种基于人工智能（AI）的筛查工具在识别住院成人中阿片类药物使用障碍风险方面与医疗保健提供者一样有效，并且能够推荐患者转诊给成瘾专科医生。
由NIH资助的研究团队开发的一种基于人工智能（AI）的筛查工具成功地识别出有阿片类药物使用障碍风险的住院成人，并建议将这些患者转诊给住院成瘾专科医生。这种基于AI的方法在启动成瘾专科咨询和建议监测阿片类戒断症状方面与仅由医疗提供者进行的方法一样有效。与接受医疗提供者发起的咨询的患者相比，接受AI筛查的患者在初次出院后30天内再次入院的可能性降低了47%。这一减少再入院的情况在研究期间估计节省了近109,000美元的医疗费用。
这项研究发表在《自然医学》杂志上，报告了一项已完成的临床试验的结果，展示了AI在现实世界医疗环境中影响患者结果的潜力。研究表明，对于希望增加获得成瘾治疗的机会、提高效率并节约成本的医疗系统来说，投资AI可能是一个有前景的策略。
“成瘾护理仍然严重不足，尤其是在繁忙的医院环境中，很难实施资源密集型程序如筛查。AI有可能加强成瘾治疗的实施，同时优化医院工作流程并降低医疗成本。”
——Nora D. Volkow博士，NIH国家药物滥用研究所（NIDA）主任
在一项临床试验中，威斯康星大学医学院和公共卫生学院的研究人员比较了医生主导的成瘾专科咨询与他们开发并经过验证的AI筛查工具的表现。研究人员首先在2021年3月至10月和2022年3月至10月期间，在威斯康星州麦迪逊市的大学医院测量了医生主导的咨询效果，其中医疗提供者为阿片类药物使用障碍患者进行了临时成瘾专科咨询。然后在2023年3月至10月期间，他们在全院范围内部署了AI筛查工具，以协助医疗提供者并在整个住院期间提醒他们注意患者需要成瘾专科医生的护理。从开始到结束，该试验共筛查了51,760例成人住院病例，其中66%未使用AI筛查工具，34%使用了AI筛查工具。在研究期间共完成了727次成瘾医学咨询。
AI筛查工具被设计成可以识别数据中的模式，就像我们的大脑处理视觉信息一样。它实时分析电子健康记录中的所有可用文档，如临床笔记和病史，以识别与阿片类药物使用障碍相关的特征和模式。一旦识别出来，系统会在医疗提供者打开患者的医疗记录时发出警报，建议他们订购成瘾医学咨询，并监测和治疗戒断症状。
试验发现，AI提示的咨询与医疗提供者发起的咨询一样有效，确保了质量不下降，同时提供了更可扩展和自动化的解决方案。具体而言，研究显示，当医疗专业人员使用AI筛查工具时，1.51%的住院成人接受了成瘾医学咨询，而没有AI工具辅助的情况下，这一比例为1.35%。此外，AI筛查工具与较低的30天再入院率相关，AI筛查组约8%的住院成人再次入院，而传统医生主导组为14%。
即使考虑到患者的年龄、性别、种族和民族、保险状况以及合并症等因素，通过计算比值比，30天再入院率的减少仍然成立。通过比值比分析，研究人员估计，使用AI筛查工具可减少16例再入院。随后的成本效益分析表明，每避免一次再入院的净成本为6,801美元，这包括对患者、医疗保险机构和/或医院的成本。在使用AI筛查工具的八个月研究期间，估计总共节省了108,800美元的医疗费用，即使考虑到了维护AI软件的成本。目前，30天内再次住院的平均成本估计为16,300美元。
“AI在医疗环境中具有潜力，但许多基于AI的筛查模型仍处于开发阶段，尚未整合到实际应用中，”该研究的主要作者、威斯康星大学麦迪逊分校副教授Majid Afshar博士说。“我们的研究代表了将AI筛查工具嵌入成瘾医学和医院工作流程中的首次演示之一，突显了这种方法的实用性和现实世界的潜力。”
尽管AI筛查工具表现出强大的效果，但仍存在一些挑战，包括医疗提供者的警报疲劳以及需要在不同的医疗系统中进行更广泛的验证。作者还指出，尽管各个研究时间段跨越了多年且季节匹配，但阿片类危机的不断演变可能引入了残留偏差。未来的研究将集中在优化AI工具的整合，并评估其对患者结果的长期影响。
阿片类危机继续给美国的医疗系统带来压力，2022年至2023年间，因物质使用而急诊的人数增加了近6%，达到约760万。阿片类药物是仅次于酒精的第二大原因，但在医院中对阿片类药物使用障碍的筛查仍然不一致。因此，患有阿片类药物使用障碍的住院患者经常在未见到成瘾专科医生的情况下离开医院，这是一个导致过量用药率增加十倍的因素。AI技术作为一种新型、可扩展的工具，有望克服这些障碍，改善早期干预的机会，并将患者与阿片类药物使用障碍的药物联系起来，但还需要更多的研究来了解如何在医疗环境中有效使用AI。
(全文结束)
