在价值医疗的背景下，降低再入院率，是所有医疗机构关注的焦点。
Northwell Health是纽约州最大的医疗保健供应商，该机构的临床医生，正在使用一种临床人工智能工具来优化他们在病人出院后的工作流，并将再入院的人数降低了23.6%。
这款临床医生研发的临床人工智能工具，可对病人进行再入院风险分层，确定导致这种风险的临床和非临床因素，并提出有针对性的主动服务和干预建议，以降低病人风险。
图片来源：图虫创意
临床人工智能与预测分析
临床医生注意到临床人工智能和传统的预测分析之间的差异，以及它们对患者预后的影响。
Northwell Health副总裁兼医疗总监Zenobia Brown博士说：“总体看来，应用历史数据、统计建模、数据挖掘和机器学习的组合，以达到预测事件和识别模型方面，预测分析是一个强大的工具。”
“尽管预测分析有强大的洞察，但还谈不上历史性改变，仅仅是一个开始。”
她继续说道：“作为一种通过潜在的决策点矩阵做出具体建议的预测模型工具，预测分析能增加对给定信息进行操作的能力，这是关键。当指导临床团队进行规范性分析时，我把这比作我们作为提供者如何根据对临床数据的理解和经验做出建议，这将引导我们做出正确的临床建议。”
她解释说，临床工作人员接受，数据也支持，医生拥有的历史信息越多，在特定环境和干预下，结果就越好。
一百万种类型的患者
Brown说道：“我试着让我的团队想象，如果他们有一百万次的临床数据经验，并且在一百万不同类型的患者中有治疗一百万种疾病的经验，根据这样的经验进行决策将有多好。这就是规范性分析的意义，在处理患者的疑难杂症时，可以不受人类的大脑数据收集限制，而做出决策。”
“对于医疗保健行业来说，现在真的是激动人心的时刻，影响人们整体健康的因素，远超过临床风险，这种观念已经被广泛接受。”Brown说道：“大多数人认为，即便不是更重要，社会决定因素至少与临床风险同等重要。”
她继续说道：“我们有一个有趣的病例，他是一位在医疗保健领域工作的心脏病患者。虽然饮食是他日常保健的一部分，但基于他的高学历和医学背景，饮食并没有被定义为他的高风险因素。但事实证明，这位有专业背景的患者有社交孤立，有严重的饮食问题，加上其他非临床因素，最终导致规范性人工智能给他推荐多种营养干预措施。”
自我管理的漏洞
当建议被第一次给出的时候，护理人员是困惑的，但当她联系患者时，她切实发现，在患者自我管理和其成功从术后恢复间存在鸿沟。在临床领域，工作人员通常会看历史使用情况、疾病严重程度和敏锐度来确定风险。Brown说：“从更加典型的临床风险因素来说，人工智能给的建议，对最有可能影响结果的干预措施有更深的理解。在这个例子中，有趣的是AI给出的干预建议的顺序可能是出乎意料的。”
“例如，对于一个典型的心脏衰竭患者，我们通常会优先考虑药物控制和注意每日体重等等，以减少充血性心力衰竭患者再住院／再恶化的风险。”她继续说道：“我记得一个心脏衰竭病例，人工智能建议，把肾病咨询作为第一个重要的干预措施。”
团队在对病人的护理计划中会有对肾脏疾病方面的咨询，她补充道，但它很可能不会是第一件要做的事情，这样就不可能及时避免患者再次入院。
“通常医疗机构和人们比较善于发现自己熟悉的模式。”她提示说：“恰恰是那些我们没有意识到、没有看到以及没有优先考虑的模式，是可以让病人保持健康的机会。
融入临床工作流
那么，临床人工智能如何融入到临床工作流中，以避免患者出院后再次入院？
“首先，对于医疗机构来说，最重要的就是对技术有信心。”Brown说：“假如他们不相信技术的作用，或者看不到在技术在帮助他们提高效率、帮助病人时的价值，想达到好的运营整合效果是不可能的。在我们的案例中，我们已经有了一个效果良好的成熟的项目，所以很难让医疗机构相信这只是附加效应。”
“前面已经说过，这项旅程最重要部分是分享不同模式的案例，否则这部分可能会被错过，这将是一个好机会。”她继续说道：“可以加强工具的价值，重要的是同时也可以确保预测和建议的及时性，这样团队就有足够的时间对每一位患者进行及早干预。”
对于团队来说，虽然患者仍在医院，但人工智能或预测模型工具每天会更新许多次，这样高风险患者就可以尽早被识别出来。
她提到：“干预措施在医院也是被允许的，但在门诊特别是专门的咨询门诊，还是有很大的困难并且不及时。就如何融入到工作流而言，它更像一种生命体征或一份实验室报告。它是数据或者信息附加的一部分，是与患者的一种有价值的连接。它不能替代医疗机构、医生和患者之间的关系，但可以增强他们之间的影响。”
原文标题：Northwell Health uses machine learning to reduce readmissions by nearly 24%
作者：Bill Siwicki
相关文章
