一项新的观点文章呼吁医疗系统停止囤积数据，而是开始利用它来改善护理服务。
尽管电子健康记录（EHRs）已广泛使用，但大多数医疗系统仍然难以将患者数据转化为更好的护理。一篇发表在《npj Health Systems》上的新观点敦促学术医学中心建立所谓的学习型健康系统——一种动态基础设施，日常护理中的数据能够帮助快速作出更明智的决策。
“从业者将能够更容易、更快地看到哪些方法有效，哪些无效，以及哪些因素导致了不必要的成本，”本文的第一作者、威尔康奈尔医学院临床急诊医学副教授彼得·斯蒂尔（Peter Steel）博士表示。
该论文由加州大学圣地亚哥分校（UC San Diego）和威尔康奈尔医学院的研究人员共同撰写，认为如果没有适当的数据基础设施作为支撑，人工智能（AI）和质量改进无法实现其潜力。这首先需要连接孤立的系统，并协调运营、研究和教育。
什么是学习型健康系统？
在学习型健康系统中，常规护理产生的数据会被持续收集、分析并用于指导护理交付的变化。无需等待数年的随机对照试验或新指南，医疗系统可以近乎实时地进行迭代。这种模式允许更快地采纳最佳实践、更灵活的护理路径以及更好的结果。
然而，进展一直缓慢。最初设计用于文档记录和计费的EHR系统并不适合动态学习。随着人工智能进入医疗领域，这成为一个问题。
“如果人工智能没有建立在学习型基础设施的基础上，就无法兑现其承诺，”斯蒂尔说。
初级保健不能被排除在外
对于初级保健医生——尤其是那些在学术或基于价值的环境中工作的医生——这种方法可能带来期待已久的支援。用于识别护理差距、风险分层和预防规划的AI工具都依赖于结构化且高质量的数据。而学习型健康系统为这些工具的实际应用提供了基础。
除此之外，更好的基础设施意味着减少手动质量报告的时间，也不再需要与碎片化的系统作斗争。医疗机构将受益于实时反馈、整合的护理洞察和更快的证据采纳。
在一个竞争日益激烈的环境中，引领这一转变的初级保健部门可能会在更大的医疗系统中获得更多话语权。
成本与回报
实施真正的学习型健康系统需要投资——包括技术、培训和文化变革。但作者认为，这些投资是战略性而非可选性的。延迟行动可能导致在临床创新、资金机会和运营效率方面落后。
像加州大学圣地亚哥分校健康中心（UC San Diego Health）、宾夕法尼亚大学医学中心（Penn Medicine）和斯坦福大学等机构被认为是早期采用者，他们利用集成信息学和质量改进管道推动转型。
改革医学培训
该观点还呼吁对医学教育进行改革。医学生和住院医师毕业时往往缺乏数据科学、系统改进或人工智能方面的培训。作者认为，如果医疗系统要发展，这些技能必须成为核心能力，而不是选修课。
诸如AHRQ-PCORI学习型健康系统卓越中心和康奈尔理工大学（Cornell Tech）的健康技术课程等项目正在填补这一空白。理解医学和信息学的临床医生将是连接护理与持续改进的关键。
明确的方向
“实施学习型健康系统不再是一个理论目标，而是一项战略必要性，”斯蒂尔说。
换句话说：如果人工智能是工具，那么学习型健康系统就是引擎。对于初级保健领导者和实践管理者来说，信息很明确——会学习的系统将胜过不会学习的系统。而今天拥抱这一模式的医疗机构可能会塑造明天医学的未来。
(全文结束)
