一项新研究表明，一种名为 CHARTwatch 的工具可能通过作为早期预警系统，降低住院患者的意外死亡风险，该工具能够及时监测到患者健康状况的迅速恶化。
基于人工智能（AI）的这一系统实时监测患者电子病历中的数据，以识别那些可能意外进入重症监护室（ICU）的患者，并为高危患者创建临床路径。通过向医生发送实时警报、每天两次向护理团队发送电子邮件以及每天向姑息治疗团队发送电子邮件，该工具使普通内科病房的死亡率降低了 26％。
医学博士 Amol Verma 表示：“AI 工具在帮助我们提高医疗质量方面具有巨大潜力，能提高诊断的准确性和效率，协助为患者个性化制定治疗决策，增强我们预测和预防未来健康事件的能力，并提高医疗运营效率。”他还说：“对这些工具进行仔细研究和实施至关重要。与其他医疗干预措施一样，AI 工具可能会带来益处或意想不到的后果，我们需要确保其安全有效。”
该研究于 9 月 16 日在线发表在《加拿大医学协会杂志》（CMAJ）上。
在 3 年时间里，Verma 及其同事开发并测试了 CHARTwatch，其中包括一个机器学习预测模型、一系列在患者面临高风险恶化时向医生和其他相关医疗专业人员发出警报的工具，以及为高危患者提供的建议护理路径。他们在多伦多市中心的学术医疗中心圣迈克尔医院进行了测试，重点是拥有 70 张床位的普通内科病房。
该工具于 2020 年 8 月至 10 月实施。在此之前，重症监护响应团队会根据医生或护士的判断对患者做出反应，但尚未建立正式的病情恶化检测评分系统。实施 CHARTwatch 的主要目标是通过更早开始干预并在适当时咨询姑息治疗专家来减少非姑息性医院死亡。
在这项研究中，研究团队对 CHARTwatch 作为早期预警系统的实施与临床结果之间的关联进行了非随机但受控的评估。他们观察了该工具使用前（2016 年 11 月至 2020 年 6 月）普通内科病房 9626 名患者的死亡情况，以及实施后（2020 年 11 月至 2022 年 6 月）4023 名患者的死亡情况。他们还将普通内科病房的 13649 名患者与未使用该工具的心脏病学、呼吸病学和肾脏病学的 8470 名亚专科患者进行了比较。
总体而言，2020 - 2022 年使用该工具时，普通内科患者中非姑息性死亡的比率（1.6％）显著低于使用前（2.1％），调整后的相对死亡风险（RR）为 0.74。在亚专科队列中，干预期间非姑息性死亡的比率没有显著差异（1.9％对 2.1％；调整后的 RR 为 0.89）。
在至少收到一次基于工具的警报的高危普通内科患者中，2020 - 2022 年非姑息性死亡的比例为 7.1％，而 2016 - 2020 年为 10.3％，调整后的 RR 为 0.69。在亚专科队列中，这些时间段内的非姑息性死亡没有显著差异（10.4％对 10.6％；调整后的 RR 为 0.98）。
在各个分析和亚组中，这些时期的总死亡人数、姑息性死亡或转院人数、ICU 转院人数或住院时间均无显著差异。
研究团队发现，在发出高危警报后，干预组的患者更有可能更频繁地测量生命体征，并接受抗生素和全身性糖皮质激素治疗。然而，影像学检查的使用、代码状态指令或静脉输液指令似乎没有任何变化。
为了更广泛地使用该工具，Verma 表示，研究人员需要大规模的健康数据集，以使 AI 工具能够在不同的医院环境中准确做出预测，特别是对于来自不同背景的患者。
加拿大萨斯喀彻温大学的医学副教授 Rabia Shahid 说：“在医疗保健领域，持续关注系统改进以提高护理质量、患者安全和效率至关重要。随着需求的增长和护理复杂性的增加，研究和采用创新策略对于应对这些挑战和改善护理服务至关重要。”Shahid 没有参与这项研究，她研究了医院中患者病情恶化的早期预警系统。她和同事发现，这些工具可以改善患者的治疗效果和医疗提供者之间的沟通，但需要改进并获得更好的利益相关者支持才能有效发挥作用。
该研究部分由 Vector Institute Pathfinder 项目和 AMS Healthcare Compassion and AI Fellowship 资助。Verma 得到了医学人工智能研究和教育的 Temerty 教授职位的支持，获得了阿尔伯塔机器智能研究所的旅行支持，并且在本研究之外是安大略省健康部的兼职员工。Verma 和几位作者共同发明了 CHARTwatch，该工具已被一家初创公司收购，未来他们可能能够获得该公司的少数股权。Shahid 报告没有相关的财务关系。
