杜克大学医疗系统的最新研究表明，临床决策支持系统的采用在医疗行业呈现碎片化，不同医疗系统之间的采用率差异很大。
终端用户往往难以直接看到人工智能工具的影响，这常常导致他们停止使用AI赋能的临床决策支持系统。
但杜克大学研究人员发现，那些从静态的实施规则列表转向更动态实施流程的医院，能够长期提高工具的采用率。
他们开发了描述两种作用力的模型："平衡回路"，即成功会降低紧迫感和投入；以及"增强回路"，即感知到的可见效益会鼓励持续使用工具。
杜克大学实践副教授、报告《从再入院临床决策支持工具的采用中学习：群体模型构建方法》的合著者Scott Rockart表示："如果你改变一个参数，会导致截然不同的结果。"
他向《Healthcare IT News》解释道："数学模型可以帮助测试你解释的逻辑性，并识别更有效的干预措施。"
预测工具使用情况的映射
研究人员研究了杜克医疗系统中由Epic Systems开发的非计划再入院预测模型1.0版。该模型分析电子健康记录——从诊断到用药的所有信息——生成风险评分，指示患者在出院后可能再次入院的可能性。
他们研究了培训、工作量、激励措施和团队动态，并探讨了这些变量如何随时间相互作用，以了解在不同条件下采用率如何演变，以及哪些策略可以提高采用率。
研究人员在近期发表于《JMIR Human Factors》期刊的报告中指出："CDS的采用并非静态，而是根据行为和工作流程的动态系统变化，需要更深入地理解演变条件如何影响实施和结果。"
他们与参与患者出院决策的个案经理、物理和职业治疗师、医院主治医师以及住院医师进行了交流。
Rockart表示："我们试图超越'这是个好工具，应该使用它'的层面，去探究'为什么它没有被使用？'"
他们引导研究参与者"在因果回路图中识别和连接变量"。
研究人员表示："我们在专为系统动力学分析设计的软件中对研讨会记录进行编码以识别主题，将它们聚合到因果回路图中，并与参与者一起审查，以达成共同模型。"
然后，他们应用方程并测试数据，模拟导致工具全面、有限或无采用的条件。
降低AI使用率的因素
面对相互冲突的需求，CDS工具可能无法实现长期持续使用。
Rockart表示："当你面临像联邦医疗保险和医疗补助服务中心(CMS)这样的机构要求你达到某些输出指标，而你开始实现这些目标时，压力自然会降低，我们有很多事情想做好，注意力会转移到其他地方。"
研究人员指出，CMS的处罚措施促使医院减少再入院率，机构激励措施导致工具培训和早期高使用率。
他们的模拟模型展示了压力和培训如何导致初期成功，然后随着工作流程改善和再入院率接近目标，兴趣逐渐减弱。
他们表示："当引入冲突优先事项[如新冠疫情]时，采用率更早停滞，培训的员工也更少。"
人员流动和工作流程变更也可能导致使用率降低。
Rockart解释说，这些由外部压力(如CMS的再入院处罚)驱动的"平衡回路"可能会激发初始采用，但监管动力并不总能持久。
在初始推出期间，员工接受密集培训，可能深入理解工具并知道如何使用高级功能。
但未参与初始推出的较新员工可能只对工具有表面层次的理解。
例如，Rockart表示："该工具给出评级——黄色、橙色、绿色或红色评级——他们可能知道工具的存在，但不知道如果得到红色评级，可以点击它查看导致评级的主要因素。"
他指出，用户可以在Epic系统中完全自定义其非计划再入院模型工具仪表板，如果他们不能立即看到其价值，通常会将AI工具边缘化、最小化或隐藏。
他强调，虽然将工具强制置于屏幕醒目中心位置可以防止被忽略，但医疗系统面临员工盲目点击而没有实际参与的风险。
Rockart表示："我显然希望拥有的数据之一是关于谁在使用它、使用频率、深入程度如何——他们是否在工具中深入探究，而不仅仅是看到它是红色、绿色、橙色或黄色，以及他们是否点击它并弄清楚原因。"
"并非总是显而易见"
当研究人员模拟"增强回路"时，他们发现当使用者感知到对护理交付和质量的益处时，预测工具更可能得到广泛和持续的使用。
研究人员指出："当员工描述临床实用性时，例如改进的出院计划和团队沟通，增强回路就出现了。"
"然而，员工也表示，由于难以将工具使用与实时结果联系起来，这些回路往往较弱。"
对于非计划医院再入院等罕见事件，增强回路可能较弱，使一线员工难以看到使用AI工具的即时价值。
当工具预防罕见事件时，成功可能在当下是看不见的。
Rockart表示："在使用工具时，它实际上为本身有些复杂的罕见事件创造了多少价值，并不总是显而易见的。"
最终，技术的成功取决于人们是否体验到它是明显有用的，并值得他们长期持续关注。
AI采用模拟器可能提供帮助
Rockart强调，该模拟模型并未为AI工具采用预设单一结果，但它可以为医疗领导者提供重构工作流程的机会。
他表示，在研究期间，参与研究的员工被引导转向更协作、基于团队、咨询式的出院流程。
"但随着时间推移，当协作行为制度化后，基于团队的沟通基本上取代了查看工具本身的需求，因为员工开始有机地收集关键数据。"
研究人员目前正在将他们的发现转化为一个实用的数学模型，医疗领导者可以使用它来试验时间安排、培训强化和长期保持组织关注。
Rockart表示，通过模拟工具使用的动态，医疗组织可能能够从一开始就设计出更好的实施策略。
该模型将使组织能够测试不同场景可能如何随时间展开，例如如果培训减少、如果竞争优先事项增加，或者如果用户需要更清晰的证据来相信工具有效。
他表示，当领导者投资新技术时，他们应该至少像关注工具性能指标一样关注人文和制度环境。
Rockart说："我们可以想象技术专家的梦想，既确保人们使用信息，又让我们知道他们如何使用它以及是否有效使用。但当然，在有如此多其他目标以及有限资源来给人们施加这种压力的环境中，这可能是个错误。"
"目标是将旧部分如此良好地制度化到实践中，以至于当下一位领导者到来时，它不需要额外关注。它已经整合到你的工作流程中了。"
【全文结束】