美国各地急诊科长期面临严重的床位紧张问题。西奈山医学院最新研究显示，其开发的机器学习模型可通过早期预测急诊入院需求，为医院优化资源配置提供决策支持。
预测模型如何运作？
该模型基于西奈山卫生系统超过百万条患者数据训练而成，旨在识别急诊科患者入院可能性。研究人员通过分析7家城市和郊区医院的5万例急诊案例发现，该模型可在患者到达后数小时内生成入院预测，较传统医生评估流程平均提前6-8小时预警床位需求。
跨机构验证结果
参与研究的500余名急诊科护士在分诊阶段对患者入院可能性进行独立评估。数据显示，尽管护理团队的专业判断与AI预测结果存在关联性，但两者结合并未显著提升预测准确性。这表明该模型本身已具备独立可靠预测能力。
运营优化潜力
虽然研究未直接测量运营指标，但研究人员指出，提前数小时预判床位需求可带来多重优势：加速住院单元患者出院流程、提前准备医疗设备、优化医护人员排班。这种前瞻性规划可缩短患者等待时间，缓解医护人员压力。
研究局限性
当前研究存在两大限制：仅在单一医疗系统中开展测试；评估周期较短（2个月）。下一步计划将AI预测系统整合入急诊科实时工作流程，并评估其对入院滞留时间、患者流转效率等具体指标的影响。
研究人员强调，该技术旨在辅助而非替代临床判断。超过500名一线护士的参与验证，突显了技术工具与临床经验相结合的重要性。目前研究团队正基于10.1016/j.mcpdig.2025.100249的DOI编号持续优化模型性能。
【全文结束】
