一种新的AI模型已经开发出来，可以预测学习障碍患者可能在医院停留的时间长度，提供宝贵的见解，有助于改善护理和资源规划。该模型由拉夫堡大学的计算机科学家作为“DECODE”项目的一部分开发，旨在解决学习障碍患者和多重健康状况者面临的医疗挑战。
这一群体的预期寿命比英国平均水平低20年，通常由于较差的身体和心理健康以及更有可能患有多种慢性疾病。这些因素增加了预防并发症的风险，降低了生活质量，并延长了住院时间。
AI模型的工作原理
拉夫堡大学的研究人员利用来自9,600多名学习障碍和多重健康状况患者的全科医生和医院数据，开发了一个能够在入院后24小时内预测住院时间长度的AI模型。
“该模型通过评估患者的年龄、用药史、生活方式和现有健康状况等因素生成预测”，拉夫堡大学AI医疗保健专家兼DECODE联合研究员Georgina Cosma教授解释说。
“通过早期和准确的预测，医院可以更好地进行规划，提供更加个性化的护理，确保所有患者得到公平的治疗。”
该AI模型在其训练数据集上进行了测试，能够以76%的有效率区分可能长时间住院和较早出院的患者。
住院趋势分析
AI模型还用于分析医院数据，以确定学习障碍和多重健康状况患者住院的关键原因和健康模式。研究发现：
- 癌症是男性和女性学习障碍和多重健康状况患者的主要住院原因，但其他主要原因因性别而异。
- 癫痫是住院期间最常治疗的条件，但其他主要原因因性别而异。
- 平均而言，学习障碍和多重健康状况患者在医院停留时间为三天，超过129天的住院时间通常与精神疾病有关。
- 住院时间超过四天的患者更可能是：
- 超过50岁
- 居住在贫困地区
- 患有肥胖或缺乏体力活动
- 患有更多的健康状况，有长期住院历史或之前接受过长期疾病的治疗。
研究的重要性
学习障碍慈善机构Mencap首席执行官Jon Sparkes OBE对这一研究表示欢迎。
“这项研究表明，AI可以通过识别模式和预测资源需求来帮助解决这些巨大的不平等，从而改善患者结果。然而，仅靠预测是不够的——我们必须确保这些见解能推动现实世界的改变，减少不必要的住院，并确保学习障碍患者能够及时获得有效和个性化的支持。随着政府制定10年NHS计划，他们必须优先考虑使用技术来解决健康不平等问题，确保医疗系统满足学习障碍患者的需求。”
下一步计划
这项研究及其更广泛的DECODE项目的见解将用于支持NHS开发风险预测算法，以协助临床医生进行决策。
Leicestershire Partnership NHS Trust的咨询精神病学家、DECODE联合首席研究员Satheesh Gangadharan博士表示：“我们正在将这些知识应用于实践并广泛分享。虽然医院护理是医疗保健的重要组成部分，但我们正在探索如何通过提前进行健康干预来减少住院需求，并使学习障碍患者更好地参与其护理。”
用于训练AI模型的数据来自威尔士的全科医生和医院。作为下一步，研究人员正在将该模型应用于英格兰医院的数据集，以评估不同人群中是否存在相似的模式。
拉夫堡大学社会技术系统设计专家、DECODE联合首席研究员Thomas Jun教授表示：“我们现在正在扩大研究范围，包括英格兰超过20,000名更多样化的患者，以确保我们的预测模型尽可能准确和有效。我们也在寻求额外的资金进行临床试验，以测试这种个性化预测工具能否减少急诊入院并改善学习障碍和多重长期疾病患者的生存质量。”
该AI分析的结果和预测模型的开发已在《数字健康前沿》杂志上发表。论文还详细介绍了用于减少AI模型偏差的技术，以确保在不同种族群体中进行公平和准确的预测。
主要作者Emeka Abakasanga（拉夫堡大学计算机科学研究员）表示：“我们希望这篇论文及其研究成果能为学习障碍患者队列中的多样化患者群体在医院入院方面提供更公平的医疗干预。”
(全文结束)
