根据《重症医学》杂志6月13日发表的一篇社论，部署和评估机器学习干预措施以改善临床护理和患者预后，是将临床恶化模型从"字节"推向"床边"的关键一步，该社论评论了同期发表的一项西奈山研究。主要研究发现，如果医疗团队收到人工智能生成的健康恶化预警，住院患者的护理升级可能性高出43%，死亡率也显著降低。
"我们想看看由人工智能和机器学习生成的快速预警是否能帮助减少患者需要重症监护的频率以及他们在医院死亡的几率，"研究主要作者、西奈山伊坎医学院麻醉学、围手术期和疼痛医学以及遗传学和基因组科学教授、西奈山医院临床数据科学主任Matthew A. Levin博士说。"传统上，我们依赖改良早期预警评分（MEWS）等较旧的手动方法来预测临床恶化。然而，我们的研究表明，触发医生评估的自动化机器学习算法评分在准确预测这种恶化方面优于早期方法。重要的是，它允许更早的干预，这可能会挽救更多生命。"
这项非随机前瞻性研究观察了2,740名在纽约西奈山医院四个内外科病房住院的成年患者。患者被分为两组：一组接收基于预测恶化可能性的实时预警，这些预警直接发送给他们的护士、医生或由重症监护医师组成的"快速反应团队"；另一组则生成预警但不发送。在预警被抑制的病房中，符合标准恶化标准的患者会收到来自快速反应团队的紧急干预。
干预组的其他发现表明，患者：
- 更可能获得支持心脏和循环的药物，表明医生正在采取早期行动；以及
- 30天内死亡的可能性更低
"我们的研究表明，使用机器学习的实时预警可以显著改善患者预后，"研究资深作者、西奈山医院和西奈山皇后医院院长、西奈山伊坎医学院麻醉学Horace W. Goldsmith教授以及人工智能与人类健康教授David L. Reich博士说。"这些模型是对临床决策的准确及时辅助，帮助我们在正确的时间将正确的团队带给正确的患者。我们认为这些是'增强智能'工具，可以加快医生和护士的面对面临床评估，并促使采取使患者更安全的治疗措施。这些是朝着成为学习型健康系统目标迈出的关键步骤。"
由于新冠疫情，该研究提前终止。该算法已在西奈山医院所有阶梯式监护病房部署，使用简化的流程。阶梯式监护病房是医院中一个专门区域，用于收治病情稳定但仍需要密切监测和护理的患者。它是重症监护病房（ICU）和普通医院区域之间的过渡阶段，确保患者在康复过程中获得适当水平的关注。
一支重症监护医师团队每天会诊预测评分最高的15名患者，并向照顾患者的医生和护士提出治疗建议。随着算法随着时间推移在越来越多的患者数据上不断重新训练，重症监护医师的评估作为正确性的黄金标准，算法通过强化学习变得更加准确。
除了这个临床恶化算法外，研究人员还在西奈山医疗系统中开发并部署了另外15种基于人工智能的临床决策支持工具。
西奈山论文题为"实时机器学习预警以防止护理升级：一项非随机集群实用性临床试验"。论文的其他作者，除注明外均来自西奈山伊坎医学院，分别是Arash Kia博士、医学硕士；Prem Timsina博士；Fu-yuan Cheng，理学硕士；Kim-Anh-Nhi Nguyen，理学硕士；Roopa Kohli-Seth博士；Hung-Mo Lin，科学博士（耶鲁大学）；Yuxia Ouyang博士；以及Robert Freeman，注册护士、护理学硕士、护理行政管理学硕士。
【全文结束】
