范德比尔特大学的一项研究表明，人工智能（AI）驱动的临床警报显著提高了自杀风险评估的效果，为预防自杀提供了新的工具。（图片来源：CC BY-SA 4.0）
自杀仍然是一个重大的公共健康危机，每年约有14.2万美国人因此丧生。尽管自杀现象普遍，许多死于自杀的人在去世前一年曾与医疗提供者接触，但这些接触通常与心理健康无关。这凸显了常规风险识别中的关键缺口，以及需要创新解决方案来增强自杀预防工作。
最近，范德比尔特大学医学中心的研究人员进行了一项研究，展示了人工智能如何填补这一缺口。该研究发表在《JAMA Network Open》杂志上，重点介绍了范德比尔特自杀企图和意念可能性模型（VSAIL），这是一种AI系统，旨在分析电子健康记录（EHR）中的常规数据，计算患者在30天内的自杀风险。通过利用AI驱动的临床决策支持（CDS）系统，该研究旨在改善在常规医疗访问期间的自杀风险评估，特别是在神经科诊所。
这项随机对照试验（RCT）涉及在范德比尔特大学的三个神经科诊所在六个月内的7,732次患者就诊。它比较了两种CDS方法：中断式警报，这种警报会打断医生的工作流程以提示进行自杀风险评估；以及非中断式警报，这种警报仅在患者的电子病历中被动显示风险信息。
这些诊所被选中是因为其患者群体包括患有与较高自杀风险相关的神经系统疾病，如亨廷顿舞蹈症和某些运动障碍的个体。研究人员假设中断式警报在提示面对面自杀筛查方面更有效。研究的主要目标是评估中断式CDS是否导致更高的筛查率，而次要目标是比较这些警报与去年的筛查率。
研究团队关注神经科诊所的战略选择。与急诊科等高风险环境不同，这些诊所缺乏普遍的筛查协议。然而，某些神经系统疾病与较高的自杀风险相关，强调了在这些环境中进行针对性干预的必要性。这是首次尝试在随机临床框架中评估自杀预防CDS。
研究结果表明，AI驱动的CDS系统在医疗环境中增强了自杀预防的可能性。中断式警报在标记的就诊中进行了42%的自杀风险评估，显著优于仅在4%的病例中提示筛查的非中断式系统。虽然自动系统标记了大约8%的所有患者就诊，但其选择性被认为适合繁忙的临床环境。
范德比尔特大学生物医学信息学、医学和精神病学副教授Colin Walsh博士强调了有针对性干预的重要性。“并非每个环境都适合普遍筛查，”Walsh解释说，“我们开发了VSAIL，以帮助识别高风险患者并促进有针对性的筛查对话。”
尽管中断式警报效果显著，研究也承认潜在的缺点，如警报疲劳，即频繁的通知可能使医生感到不堪重负。未来的研究需要平衡这些警报的好处及其对工作流程的影响。“医疗系统需要在中断式警报的有效性和潜在缺点之间找到平衡，”Walsh补充道。
传统的自杀风险筛查依赖于临床判断和经过验证的工具，如《患者健康问卷》和《哥伦比亚自杀严重程度评分量表》。然而，在非精神健康环境中可靠的筛查仍然存在差距。研究表明，77%的自杀者在去世前一年曾看过初级保健提供者，突显了在这些接触中提高风险识别的重要性。
VSAIL模型代表了向计算风险估计的转变，可以补充传统方法。通过将预测建模集成到EHR系统中，研究表明AI可以增强临床医生识别和评估高危患者的能力。早期测试表明，该模型在后台静默运行时，成功识别了高风险个体，其中每23个被标记的患者中就有1个后来报告了自杀意念。
尽管该研究主要集中在神经科诊所，但其影响扩展到了其他医疗环境。初级保健仍然是处于自杀风险的个人的关键接触点。鉴于77%的自杀受害者在去世前一年曾访问过初级保健提供者，在这些环境中实施AI驱动的CDS可以显著增强预防工作。
研究人员还指出，该模型的选择性方法，仅标记8%的患者就诊，使其更适合繁忙的诊所。这种选择性过程确保医生不会被过多的警报淹没，从而可以在不影响护理质量的情况下专注于高危个体。
研究结果对各种医疗环境中自杀预防工作具有重要意义。虽然神经科诊所是此次研究的重点，但研究人员建议类似的AI驱动系统可以在初级保健和其他专科中进行测试。扩大这些模型的应用可以帮助解决及时进行自杀风险评估的广泛挑战。
在30天的随访期内，无论是哪一组警报标记的患者都没有经历自杀意念或尝试。尽管这一结果令人鼓舞，研究人员仍提醒不要自满，强调需要持续评估CDS系统以确保其有效性并最小化意外后果。
研究还强调了在开发CDS系统时以人为中心的设计的重要性。通过将警报定制为适应医生的工作流程并考虑他们的反馈，研究旨在创建既有效又尽可能不具干扰性的工具。
“自动系统仅标记了所有患者就诊的大约8%用于筛查，”Walsh说，“这种选择性方法使得繁忙的诊所更容易实施自杀预防措施。”这种实用性确保医生可以专注于与患者的有意义互动，而不是被过多的警报所困扰。
此外，研究人员强调了在未来研究中解决警报疲劳的必要性。尽管中断式警报更为有效，但过多的通知可能会随着时间的推移降低其效果。未来的研究应探索减轻这一问题的策略，确保警报保持有效而不压垮医疗服务提供者。
该研究还提供了一个将AI驱动工具整合到现有医疗系统中的框架。通过利用像VSAIL这样的预测模型，医疗专业人员可以增强识别和支持高危患者的能力。这些进步可以在减少自杀率和改善患者整体结果方面发挥关键作用。
随着自杀率的上升，像VSAIL模型这样的创新方法为加强预防工作提供了有希望的途径。通过将AI驱动工具整合到常规医疗访问中，临床医生可以更有效地识别和支持高危患者。尽管警报疲劳等挑战仍然存在，但研究结果强调了技术在改变医疗环境中自杀预防策略方面的潜力。随着进一步的研究和改进，这些系统可以在减少自杀率和拯救生命方面发挥关键作用。
(全文结束)
