一种由美国国立卫生研究院（NIH）资助的研究团队开发的人工智能（AI）驱动的筛查工具成功地识别了住院成人中存在阿片类药物使用障碍的风险，并推荐他们接受住院成瘾专科医生的治疗。这种基于AI的方法在启动成瘾专科医生咨询和建议监测阿片类药物戒断方面与仅由医护人员进行的方法同样有效。与接受医护人员发起的咨询的患者相比，使用AI筛查的患者在初次出院后30天内再次入院的可能性降低了47%。这一再入院率的降低在研究期间估计节省了近109,000美元的医疗费用。
这项发表在《自然医学》上的研究报道了一项已完成的临床试验的结果，展示了AI在实际医疗环境中影响患者结果的潜力。研究表明，投资于AI可能是寻求增加成瘾治疗机会、提高效率和降低成本的医疗系统的有前途的战略。
“成瘾护理仍然严重不足，尤其是在资源紧张的医院环境中，很难纳入资源密集型的筛查程序。” NIH下属的国家药物滥用研究所（NIDA）主任诺拉·D·沃尔科博士表示，“AI有可能加强成瘾治疗的实施，同时优化医院工作流程并减少医疗成本。”
在一项临床试验中，威斯康星大学医学院和公共卫生学院的研究人员比较了医生主导的成瘾专科医生咨询与他们的AI筛查工具的表现。研究人员首先测量了2021年3月至2022年10月期间，在威斯康星州麦迪逊大学医院，医护人员对阿片类药物使用障碍进行临时成瘾专科医生咨询的效果。然后，他们在2023年3月至2023年10月期间实施了AI筛查工具，以协助医护人员并在整个住院期间提醒他们患者的成瘾专科医生护理需求。从开始到结束，该试验共筛查了51,760次成人住院，其中66%没有使用AI筛查工具，34%使用了AI筛查工具。在研究期间，共完成了727次成瘾医学咨询。
AI筛查工具被设计为能够识别数据中的模式，类似于我们的大脑处理视觉信息的方式。它实时分析电子健康记录中的所有可用文档，如临床笔记和病史，以识别与阿片类药物使用障碍相关的特征和模式。一旦识别出这些特征，系统会在医护人员打开患者的病历时发出警报，建议他们订购成瘾医学咨询并监测和治疗戒断症状。
试验发现，AI提示的咨询与医护人员发起的咨询一样有效，确保了质量没有下降，同时提供了更具可扩展性和自动化的方案。具体来说，研究显示，在医护人员使用AI筛查工具的情况下，1.51%的住院成人接受了成瘾医学咨询，而没有AI工具辅助的情况下这一比例为1.35%。此外，使用AI筛查工具的患者30天内再入院率较低，AI筛查组中有约8%的住院成人再次入院，而传统医护人员主导组中这一比例为14%。
即使在考虑了患者的年龄、性别、种族和民族、保险状况以及合并症等因素后，30天内再入院率的降低仍然成立。通过计算比值比，研究人员估计使用AI筛查工具可以减少16次再入院。随后的成本效益分析表明，每次避免再入院的净成本为6,801美元，对于患者、医疗保险机构或医院而言。这相当于在使用AI筛查工具的八个月研究期间，估计节省了108,800美元的医疗费用，即使考虑到维护AI软件的成本。目前，30天内医院再入院的平均费用估计为16,300美元。
“AI在医疗环境中具有潜力，但许多基于AI的筛查模型仍处于开发阶段，尚未整合到实际环境中。”该研究的主要作者、威斯康星大学麦迪逊分校副教授马吉德·阿夫沙尔博士表示，“我们的研究代表了将AI筛查工具嵌入成瘾医学和医院工作流程中的首批示范之一，突显了这种方法的实用性和现实世界的前景。”
尽管AI筛查工具表现出强大的效果，但仍存在一些挑战，包括医护人员可能出现的警报疲劳问题以及需要在不同医疗系统中进行更广泛的验证。作者还指出，尽管各个研究时间段跨越了多年并且季节匹配，但阿片类药物危机的不断演变可能引入了残留偏见。未来的研究将重点优化AI工具的集成并评估其对患者结果的长期影响。
阿片类药物危机继续给美国的医疗系统带来压力，2022年至2023年间，因物质使用而导致的急诊科入院人数增加了近6%，达到约760万。阿片类药物是这些就诊的第二大原因，仅次于酒精，但在医院中对阿片类药物使用障碍的筛查仍然不一致。因此，患有阿片类药物使用障碍的住院患者经常在见到成瘾专科医生之前就离开医院，这是一个导致过量用药率增加十倍的因素。AI技术作为一种新颖且可扩展的工具，有望克服这些障碍，改善早期干预和连接阿片类药物使用障碍药物的机会，但还需要更多研究来了解如何在医疗环境中有效地使用AI。
(全文结束)
