在新冠疫情高峰期，医院的重症监护病房（ICU）经常出现床位短缺。但即使在此之前，ICU也面临着保持床位可用性的挑战。随着美国人口老龄化，11%的住院治疗包括了ICU住院。
德克萨斯大学奥斯汀分校麦库姆斯商学院信息、风险和运营管理教授兼查尔斯和伊丽莎白·普罗特罗医疗管理主席Indranil Bardhan表示，人工智能提供了一种可能的解决方案。AI模型可以预测患者在ICU中的住院时间，帮助医院更好地管理床位，并理想地降低费用。
然而，尽管AI在预测住院时间方面表现出色，但在解释原因方面却不太擅长，Bardhan说。这使得医生不太可能信任并采用它。
“人们主要关注预测的准确性，这是非常重要的，”他说。“预测是好的，但你能解释你的预测吗？”
解释AI结果
在新的研究中，Bardhan使AI的输出对ICU医生来说更加可理解和有用，这种方法称为可解释的人工智能（XAI）。
Bardhan与麦库姆斯商学院博士生Tianjian Guo、德克萨斯大学信息学院的Ying Ding以及哈佛大学的Shichang Zhang合作，设计了一个模型，并使用了从2001年到2012年的22,243份病历数据进行训练。
该模型处理患者入院时的47个不同属性，包括年龄、性别、生命体征、药物和诊断。它构建图表，显示患者在七天内出院的概率。这些图表还显示哪些属性对结果影响最大及其相互作用。
在一个例子中，该模型计算出七天内出院的可能性为8.5%。它指出呼吸系统诊断是主要原因，而年龄和药物是次要因素。
研究人员将他们的模型与其他XAI模型进行了比较，发现其预测同样准确，而解释则更为全面。
不仅限于ICU的应用
为了测试该模型在实际应用中的实用性，团队调查了奥斯汀地区ICU的六名医生，让他们阅读并评估模型的解释样本。其中四名医生表示，该模型可以改进他们的人员和资源管理，帮助他们更好地规划患者调度。
Bardhan指出，该模型有一个主要限制：数据的年代久远。2014年，医疗编码系统从ICD-9-CM变更为ICD-10-CM，增加了更多详细的诊断编码和分类。
“如果我们能够获得更近期的数据，我们很乐意用这些数据扩展我们的模型，”他说。
然而，他的模型不仅限于成人ICU。“你可以将其扩展到儿科ICU和新生儿ICU，”Bardhan说。“你可以在急诊室环境中使用这个模型。”
“即使是在普通医院病房，如果你想了解患者需要多长时间占用床位，我们可以轻松地将我们的模型扩展到这种设置。”
论文《一种使用图学习预测ICU住院时间的可解释人工智能方法》发表在《信息系统研究》杂志上。
(全文结束)
