一项来自范德比尔特大学医学中心（Vanderbilt University Medical Center）的新研究表明，由人工智能（AI）驱动的临床警报可以帮助医生识别有自杀风险的患者，这可能在常规医疗环境中改善预防工作。
由生物医学信息学、医学和精神病学副教授科林·沃尔什（Colin Walsh，MD，MA）领导的研究团队测试了他们开发的一种名为范德比尔特自杀企图和意念可能性模型（Vanderbilt Suicide Attempt and Ideation Likelihood model，简称VSAIL）的AI系统，能否在范德比尔特大学医学中心的三个神经科诊所中有效提示医生在常规门诊期间对患者进行自杀风险评估。
这项研究报告发表在《JAMA Network Open》上，比较了两种方法：一种是自动弹出式警报，会打断医生的工作流程；另一种是较为被动的系统，仅在患者的电子病历中显示风险信息。
研究发现，中断式警报的效果要好得多，导致医生在42%的筛查警报下进行了自杀风险评估，而被动系统的这一比例仅为4%。
“大多数死于自杀的人在死亡前一年曾接触过医疗服务提供者，通常是因为与心理健康无关的原因，”沃尔什说。“但普遍筛查在每个环境中并不总是可行的。我们开发了VSAIL，以帮助识别高风险患者并促发有针对性的筛查对话。”
在美国，过去一代以来，自杀率一直在上升，估计每年每10万人中有14.2人因自杀死亡，使其成为全国第11大死因。研究表明，77%死于自杀的人在死亡前一年曾与初级保健提供者有过接触。
为了改进风险筛查，研究人员探索了识别最需要评估的患者的方法。范德比尔特大学沃尔什团队开发的VSAIL模型通过分析电子健康记录中的常规信息来计算患者在未来30天内自杀企图的风险。在早期的前瞻性测试中，虽然VUMC患者的记录被标记但未触发警报，该模型在识别高风险患者方面表现出有效性，每23个被系统标记的个体中就有1人在之后报告了自杀意念。
在新研究中，当被VSAIL识别为高风险的患者到范德比尔特大学的神经科诊所就诊时，他们的医生随机收到中断式或非中断式警报。研究集中在神经科诊所，因为某些神经疾病与更高的自杀风险相关。
研究人员建议可以在其他医疗环境中测试类似的系统。
“自动化系统仅标记了约8%的患者就诊用于筛查，”沃尔什说。“这种选择性方法使得繁忙的诊所更容易实施自杀预防措施。”
该研究涉及6个月内7,732次患者就诊，共触发了596次筛查警报。在30天的随访期内，审查VUMC健康记录后，无论是在哪一组别中，都没有患者出现自杀意念或自杀未遂的情况。尽管中断式警报在促发筛查方面更为有效，但它们可能会导致“警报疲劳”，即医生因频繁的自动化通知而感到不知所措。研究人员指出，未来的研究应关注这一问题。
“医疗系统需要在中断式警报的有效性及其潜在负面影响之间取得平衡，”沃尔什说。“但这些结果表明，自动风险检测结合精心设计的警报可以帮助我们识别更多需要自杀预防服务的患者。”
(全文结束)
