美国急诊系统长期面临超负荷挑战
美国各地的急诊科持续面临过度拥挤和"滞留"问题——即被收治的患者因病床不足被迫滞留在急诊室。这种情况会导致候诊时间延长，并给医护人员带来更大压力。西奈山卫生系统的研究团队希望通过提前预测入院需求，帮助医院更早规划床位分配和资源配置。
多机构合作验证AI预测能力
该研究覆盖西奈山网络七家医院的500余名急诊护士。在为期两个月的验证期内，AI模型对近50,000例急诊病例进行了实时预测。研究人员将AI预测结果与护士在分诊过程中的判断进行对比分析。分诊作为急诊护理的关键环节，通过患者症状和状况确定治疗优先级。
预测性能的稳定性和一致性
结果显示，尽管各医院患者人口统计特征和病例类型存在差异，AI模型在不同医疗机构均保持稳定预测性能。有趣的是，当护士判断与AI预测结果结合时，整体准确率并未显著提升，这表明该模型本身已具备强大的独立预测能力。
研究显示，AI系统的主要价值在于能更早触发护理团队的协调行动，例如安排诊断检查或准备住院空间。虽然当前研究未直接测量运营成效，但提前数小时预判床位需求可帮助医院加速病房患者出院流程、准备必要设备并优化人员配置。
后续研究方向
当前研究的局限性在于仅在单一医疗系统内进行且评估周期较短。研究人员计划将AI模型集成到实时临床工作流程中，并评估其对滞留时间、患者流转效率和运营效能的具体影响。虽然该技术展现了强大的预测能力，但研究团队强调AI工具旨在辅助而非取代临床判断。超过500名护士直接参与项目，凸显了将技术工具与一线专业经验结合的重要性。
参考文献：
Nover J, Bai M, Tismina P等. 多中心急诊系统中机器学习与护士预测入院需求的对比研究. 《梅奥诊所数字化健康进展》. 2025.
【全文结束】
