人工智能可以幫助醫(yī)生確定哪些患者需要緊急護理

醫(yī)療保健專家希望人工智能可以幫助醫(yī)生確定哪些患者需要緊急護理。

在斯坦福大學，該大學醫(yī)療機構的醫(yī)生將在一個月左右的時間內首次推出一種由實驗機器學習驅動的分類系統(tǒng)。不同于醫(yī)療巨人Providence HealthServices使用機器學習支持的聊天機器人來幫助患者安排約會，斯坦福大學的軟件旨在供內部人員用來處理突然涌入的患者，這可能使醫(yī)生負擔過重。

分類系統(tǒng)的核心是由醫(yī)療保健公司Epic開發(fā)的機器學習算法，該算法可以分析存儲在患者電子健康記錄中的數據。使用諸如患者的呼吸頻率，血液計數和心率之類的數據，機器學習軟件可以預測患者是否需要重癥監(jiān)護病房。

斯坦福大學的醫(yī)師Ron Li告訴《財富》雜志，機器學習模型并沒有“告訴我們一些我們不知道的東西”。研究該軟件所查看的相同圖表的醫(yī)生可能會得出相同的結論。畢竟，不需要腦外科醫(yī)師就可以推斷出，如果他們的心率突然飆升，患者可能需要立即獲得幫助。

李說，當該系統(tǒng)首次亮相時，醫(yī)生和護士將從其智能手機和計算機收到警報，提示該技術已識別出可能需要關注的高危患者。例如，如果病情特別嚴重的患者要過夜，則夜班的醫(yī)生和護士可能會從該軟件收到警報，要求其在病床旁開會，討論下一步該怎么做。該軟件的部分吸引力在于，它可以幫助在解釋患者健康方面可能有不同見解的護士和臨床醫(yī)生在同一頁面上獲得有關在當下最熱的情況下治療患者的最佳方法的觀點，這是李先生提到的一個概念。稱為“共同的心智榜樣”。

Li認為該軟件的終極價值在于改變了斯坦福大學臨床醫(yī)生的行為方式，從而為患者提供更好的護理。他承認，很難將行為改變量化為某種形式的統(tǒng)計數據，以表示投資回報率或ROI。確實，許多公司都在努力報告是否從其AI投資中看到了任何“價值”，因為很難量化成功項目的價值，而不僅僅是降低成本或創(chuàng)造銷售額。

顯然，如果斯坦福大學即將對新軟件進行測試或試點導致死亡人數減少，那將是成功的。李說：“我希望是的?！?/p>