Loughborough University的研究人员开发了一种人工智能（AI）工具，该工具可以识别影响产科护理结果的关键人为因素，支持持续努力提高母亲和婴儿的安全性。这一工具由AI和数据科学家Georgina Cosma教授和人类因素及复杂系统专家Patrick Waterson教授共同开发，通过分析产科事故报告，突出关键的人为因素，如沟通、团队合作和决策，这些因素可能影响了护理结果，从而提供需要额外支持的领域的见解。这项研究发表在《国际人口数据科学杂志》上。
当英格兰发生不良产科事件时，会生成详细的调查报告，以确定学习和提高安全性的机会。这些报告提供了有价值的临床方面信息，如健康状况、程序和测试，但识别涉及的人为因素往往更具挑战性，因为这些因素通常复杂且微妙。目前，专家必须进行手动审查，从事故报告中提取人为因素的见解。这一过程资源密集、耗时且依赖于个人的解释和专业知识，可能导致不同的结论。
AI工具通过快速一致地识别和分类报告中的人为因素解决了这些挑战。其标准化方法允许分析多个报告并识别重复出现的因素，帮助确定最需要额外支持的领域。该AI模型基于188份真实的产科事故报告数据进行了训练和测试。它成功地识别了每份报告中的人为因素，并进行了综合分析，提供了额外支持可以改善结果的领域见解。
“AI已经改变了我们对产科安全报告的分析方式。我们比手动方法更快地发现了关键的见解，”Cosma教授说。“这使我们能够全面了解产科护理中需要改进的地方，这些见解可以帮助确定提高患者安全性和改善母亲和婴儿结果的方法。”
报告中的见解
团队合作和沟通被确定为所有分析报告中最频繁出现的人为因素，突显了在促进产科护理的安全和质量方面，医疗保健专业人员和患者之间有效协作和清晰的信息交流的重要性。分析还强调了彻底的患者评估（包括评估、检查和筛查）的重要性，以及个体患者的特征（如分娩史和子痫前期等状况）对护理结果的影响。
AI工具还识别了与医疗技术使用和员工表现相关的挑战，表明持续的培训和支持可以改善护理结果。它还提供了COVID-19如何影响产科服务的见解，强调了实践中适应性的必要性。分析还指出，某些人为因素可能对少数族裔的母亲产生更大的影响。然而，由于包含种族数据的报告数量有限，需要进一步研究以得出明确的结论。
下一步
Loughborough的研究人员希望获得资金，使用更大、更多样化的数据集来完善AI模型，扩展测试对于验证工具的有效性和进一步了解少数族裔母亲在产科护理中面临的挑战至关重要。
“我们希望与医院、医疗机构和调查机构合作，进一步完善和应用我们的AI工具到报告中。这些合作伙伴关系将帮助我们提取关键情报，防止不良事件的发生，确保所有母亲和婴儿的安全，”Cosma教授说。“我们还希望将工具适应其他类型的报告，例如不良警察事件报告，理解其中涉及的人为因素可以帮助防止未来的事件并改进应对策略。”
研究对改善产科护理的重要性
Waterson教授表示：“我们的工作为理解社会、技术和组织因素对母婴安全和人口健康结果的复杂相互作用开辟了新的可能性。”Ockenden审查强调了这种研究的必要性，该审查考察了产科护理并致力于提高安全性和服务质量。通过更全面地看待产科医疗服务的提供，我们可以制定有针对性的干预措施，改善所有母亲和婴儿的产科结果。
Health Services Safety Investigations Body (HSSIB)负责调查英格兰各地的患者安全问题，以在全国范围内改进NHS和独立医疗服务。当被问及这项研究时，HSSIB的安全见解分析师Jonathan Back博士表示，这项研究“可以帮助卫生和护理领域的分析师识别不平等现象，通过整合多项调查的结果最大化学习效果”。
该AI工具是在一个名为“I-SIRch”的项目中开发的。
(全文结束)
