面对现成解决方案的不足，一些医疗系统正在构建自己的人工智能工具，以更好地满足临床和运营需求。
位于明尼苏达州罗切斯特的妙佑医疗国际（Mayo Clinic），研究人员开发了人工智能工具，用于识别面临严重哮喘和急性呼吸道感染最高风险的幼儿。这些工具利用机器学习和自然语言处理技术分析临床数据，并应用两种标准的哮喘诊断检查表。
妙佑医疗国际还开发了护士虚拟助手（Nurse Virtual Assistant），这是一种内部人工智能工具，旨在简化临床工作流程。该系统由护士和信息学团队构建，直接集成到电子健康记录中，提供针对护士的患者摘要，并链接到Lippincott指南、静脉给药协议及医疗系统临床政策库等资源。开发工作始于2024年，作为妙佑医疗国际在日益复杂的数字环境中减轻行政负担战略的一部分。
同时，在纽约市的西奈山伊坎医学院（Icahn School of Medicine at Mount Sinai），研究人员构建了AEquity工具，旨在检测和缓解用于训练机器学习算法的数据集中的偏见。该系统成功识别出已知和先前被忽视的偏差。
西奈山研究人员还设计了一种人工智能模型，以帮助确定哪些房颤患者能从抗凝血药物中获益以预防中风。据该医疗系统称，该模型在个体层面准确评估了中风和出血风险，并建议对多达一半在现行指南下会接受抗凝治疗的患者不进行抗凝治疗。
这些努力反映了一个更广泛的趋势：医疗系统倾向于开发针对其患者群体和工作流程定制的内部人工智能工具，而非完全依赖可能无法完全满足其需求的供应商产品。
【全文结束】
