基于人工智能的聚类为负担过重的英国国家医疗服务体系初级保健带来希望

AI-based clustering offers hope for overburdened NHS primary care

英国慢性病患病率不断上升，给初级保健带来了前所未有的压力。患有多种长期病症（MLTCs）的患者通常面临复杂的健康和社会挑战，而现有的医疗体系尚无法有效应对这些问题。

一项发表在《多病共存与并发症杂志》上的新研究——题为《利用健康和社会护理需求中的人工智能衍生聚类在初级保健中的价值：针对MLTC患者、护理人员及医疗专业人员的定性访谈研究》——探讨了如何利用人工智能识别和支持那些社会护理需求（SCNs）未被满足的MLTC患者。

该研究基于44次采访，包括患者、护理人员以及卫生和社会护理专业人员（HSCPs），展示了定性结果。它回应了关于初级医疗效率不足的紧迫关切，并提出了如何通过人工智能衍生的聚类来增强整体性和以患者为中心的干预措施。

初级保健能否满足MLTC患者的社会护理需求？

参与者普遍认为，初级保健是讨论社会护理需求的逻辑起点。患有MLTC的个体以及护理人员和医疗专业人员描述了在碎片化服务中导航的复杂性，并指出在何处寻求支持存在困难。许多参与者表示，尽管全科医生（GPs）通常是讨论的切入点，但时间和资源的日益稀缺使得患者和提供者都难以有效解决SCNs问题。

研究突出了结构性障碍，包括预约时间短和GP服务难以获取。这些因素往往迫使患者自行管理自身需求。受访者建议扩展初级保健的角色，例如雇用社会处方师或专职护理导航员，可以帮助减轻这一负担，并创造更多有意义的对话机会来讨论SCNs。当GPs缺乏处理患者非医疗需求的能力时，这些角色显得尤为重要。

此外，护理人员和专业人士承认，许多人认为社会护理仅适用于极端情况，导致他们不愿寻求帮助。这种污名化，加上后勤障碍，加剧了本已脆弱人群中的未满足需求。

人工智能衍生的聚类能否提供整体护理的现实解决方案？

该研究探讨了使用人工智能开发具有相似健康和社会护理概况的患者“聚类”的概念。这些聚类基于大规模数据集（如临床实践研究数据库CPRD），旨在优先考虑SCNs恶化风险最大的个体，并更高效地定制支持。

原则上，参与者对该方法反应积极。许多人认为，聚类可以简化流程、实现早期干预、个性化护理路径并改善资源分配。对于过度紧张的专业人士来说，人工智能被视为一种受欢迎的辅助工具，可以补充现有方法并提高运营效率。

然而，围绕AI模型使用的数据可靠性与完整性出现了若干担忧。参与者担心并非所有相关的SCN信息都被一致记录，尤其是考虑到这些需求在临床咨询中常常未被记录。此外，患者和护理人员对因数据不准确或系统性偏见而导致误分类或服务不足的可能性表示忧虑。

还有人对数据安全和敏感健康记录可能被私人实体（如保险公司）滥用感到不安。各方强调了保护患者信息的重要性，并确保AI驱动决策过程的透明度。

尽管存在这些担忧，总体观点是，只要人工智能不会取代护理中的人文要素，它可以成为一种有价值的支持系统。

如何实施AI工具以保持以人为中心的护理？

参与者强调，AI工具绝不能取代患者与医生之间细致入微、富有同理心的对话。人们强烈共识，人工智能衍生的聚类应在护理规划中作为辅助工具，而非权威工具。在提供有意义的护理方面，人类判断力、情境意识和情商被认为是不可替代的。

受访者强调，护理应根据个人情况和偏好量身定制。盲目遵循算法输出而不进行对话有使患者失去人性化的风险，并削弱信任。此外，在讨论未来SCNs风险时，参与者敦促采用积极、不过度惊吓且响应每位患者沟通风格的方式。

该研究呼吁平衡整合：AI工具应简洁、适应多学科团队使用、包含最新信息，并促进而非阻碍有效的以人为中心的互动。这些工具不应自动化决策，而是应赋予临床医生更好的信息，并支持患者在护理决策中做出知情的共同选择。

研究人员提出了几项实施AI聚类工具于初级保健的关键建议：

• 确保干预措施简明易用，以免增加医生工作量。
• 使工具适应跨学科团队使用。
• 保持指引信息的最新和可访问。
• 将AI聚类作为风险识别辅助工具，而非最终裁决者。
• 培训专业人员进行尊重患者自主权的支持性对话。
• 解决临床医生和患者在讨论SCNs时可能出现的双重迟疑。

(全文结束)