根据发表在《制造与服务运营管理》杂志上的新研究，一个能够识别结直肠癌筛查过期患者的机器学习程序有助于提高筛查率，并与显著降低的死亡率相关。
该研究考察了盖辛格健康系统(Geisinger Health System)实施的一项真实世界外展项目，该项目利用预测性分析技术来识别结直肠癌高风险患者，并鼓励他们安排可能挽救生命的筛查。
研究人员发现，与未接受该项目外展的类似患者相比，通过该项目针对的患者在三个月内完成结肠镜检查的可能性高出6%，在六个月内完成的可能性高出6.9%。最重要的是，该项目与两年死亡率降低6.2%相关，相对于研究对照组减少了43%。
这项题为"由机器学习引导的癌症筛查外展：主动护理的益处"的研究强调了人工智能如何帮助医疗保健提供者超越风险预测，主动将患者与护理联系起来。该研究的作者包括香港大学的Minje Park；哥伦比亚商学院的Carri Chan；盖辛格健康系统的Keith Boell、Elliot Mitchell和David Vawdrey；以及费城儿童医院的Abdul Tariq。
Park表示："我们的结果表明，由机器学习指导的主动癌症筛查外展项目不仅可以显著提高疾病检出率，还能显著改善患者预后。该项目不仅提高了筛查参与率，还显著降低了死亡率。"
结直肠癌是美国癌症死亡的第二大原因，尽管早期检测可以显著提高生存率。然而，许多符合条件的患者仍未按时接受推荐的筛查。
盖辛格健康系统通过将机器学习与个性化的外展工作相结合来应对这一挑战。该系统的算法分析了包括全血细胞计数结果、年龄和性别在内的信息，以识别在未完成推荐筛查的患者中风险升高的患者。
被系统标记的患者会收到护士协调员的外展服务，他们向患者介绍结肠镜检查的益处并帮助安排预约。研究表明，人工智能在医疗保健中最有效的用途之一可能是识别可能从干预中受益的患者，并在疾病进展前帮助医疗提供者联系到他们。
Chan表示："这项工作展示了一个分析框架，用于严格评估针对其他癌症和疾病的机器学习辅助外展项目。建立对影响的无偏估计对于结肠镜等筛查资源的容量规划至关重要。"
Vawdrey补充道："如果我们能及时联系到患者，结直肠癌是癌症死亡中最可预防的原因之一。这项研究表明，经过深思熟虑应用的人工智能可以做到这一点——识别那些可能被遗漏的个体，并将他们与挽救生命的筛查联系起来。"
研究人员分析了自2019年开始运行的该项目的结果。他们的发现表明，医疗保健系统可以使用预测性分析不仅识别风险，还能改善护理提供和患者参与。
该研究还为寻求扩大类似项目的医院和医疗系统提供了路线图。作者指出，在扩大主动外展工作时，应考虑筛查能力、沟通策略和疾病严重程度等因素。
随着医疗保健组织继续大力投资人工智能，这些发现指出了一个重要的经验：最大的好处可能不是来自取代临床医生，而是帮助患者获得他们可能错过的护理。
【全文结束】