西奈山部署AI模型以提高谵妄检测率

Mount Sinai Deploys AI Model to Improve Delirium Detection

西奈山伊坎医学院的研究人员开发的一种人工智能（AI）模型通过将谵妄的检测和治疗率提高四倍，改善了住院患者的预后，根据一项新的研究显示。

该模型可以识别出高风险的谵妄患者，并提醒经过专门培训的团队对患者进行评估并制定治疗计划。这一模型已被整合到医院运营中，帮助医护人员识别和管理谵妄，这是一种可能影响高达三分之一住院患者的状况。

该AI工具显著提高了每月谵妄的检测率——从4.4%提升至17.2%，使得早期干预成为可能。被识别出的患者也接受了较低剂量的镇静药物，这可能减少了副作用并改善了整体护理质量。

这项研究首次表明，基于AI的谵妄风险分配模型不仅在实验室环境中表现良好，而且在临床实践中也能带来实际的好处，已于2025年5月7日在《JAMA Network Open》在线期刊上发表。

正如西奈山研究人员所解释的，谵妄是一种突然而严重的意识混乱状态，具有生命威胁的风险，且经常在住院患者中未被发现。若不加以治疗，它可能会延长住院时间，增加死亡风险，并恶化长期预后。研究人员表示，直到现在，基于AI的谵妄预测模型一直难以在患者护理中展示出实际的改进效果。

“我们在西奈山进行这项研究的动机非常明确。目前基于AI的谵妄预测模型尚未在患者护理中显示出实际的好处，”资深通讯作者约瑟夫·弗里德曼博士在一份声明中说。他是西奈山卫生系统谵妄服务的创始人和主任，也是西奈山伊坎医学院的精神病学和神经科学教授。“我们希望通过创建一个能够实时准确计算谵妄风险，并顺利融入临床工作流程的模型来改变这一点，帮助医院工作人员发现并治疗更多可能被忽视的谵妄患者。”

研究团队并没有孤立地构建AI模型并在之后再在医院中测试，而是从一开始就与西奈山的临床医生和医院工作人员紧密合作。这种“垂直整合”方法使他们能够实时改进模型，确保其既有效又实用。

当在西奈山部署时，该AI模型显著提高了谵妄的检测率，结果包括：

• 识别病例增加了400%，而没有增加筛查患者的时间；
• 通过减少老年人使用潜在不适当的药物，实现了更安全的处方；
• 在现实医院环境中表现出强大而可靠的表现。

在这项涉及超过32,000名入住纽约市西奈山医院的患者的研究中，研究人员使用AI模型分析了电子健康记录中的结构化数据和临床医生的笔记。该模型利用机器学习来识别与高谵妄风险相关的图表数据模式，并应用自然语言处理来识别医院工作人员笔记中的语言模式。这种方法捕捉到了工作人员对谵妄或高风险患者微妙精神状态变化的观察。个别工作人员在撰写笔记时可能并未意识到他们的临床观察有助于提高AI模型的准确性。

该模型在一个高度多样化的患者群体中进行了测试，这些患者患有各种各样的内科和外科疾病——远比通常包含在基于机器学习的谵妄风险预测模型研究中的狭窄群体更为广泛。

“我们的模型并不是要取代医生——而是给他们提供一个强大的工具来简化他们的工作，”弗里德曼补充道。“通过分析大量患者数据的繁重工作，我们的机器学习方法使医疗保健提供者能够更有效地专注于诊断和治疗患者，更加精准。”

尽管该AI模型在西奈山医院取得了显著成果，并且正在其他西奈山地点进行测试，但在其他医院系统的验证将是必要的，以评估其在不同环境下的表现并进行必要的调整。

(全文结束)