医院和卫生系统继续关注增强支持和培养韧性，尤其是在疫情后的紧张劳动力中。全国各地的医疗机构正在投资人工智能（AI）技术和技术技能发展，以减轻负担并提高灵活性。许多机构也在重新构想护理交付模式。最近发布的AHA 2025医疗保健劳动力扫描提供了这些及其他问题的全面回顾，包括：
- 让临床医生参与技术战略。
- 通过合作、培训和提升技能来提高可及性。
- 重新思考参与度，以建立更加灵活和投入的劳动力。
该劳动力扫描基于最新的报告、研究和其他数据来源，提供了有关劳动力状况的宝贵见解，以及来自专家和同行的实际指导，帮助您的组织应对未来医疗保健劳动力的挑战。
拥抱技术集成护理模式
在高提供者倦怠率和财务压力下，医院领导正在拥抱技术，包括AI，作为变革工具。更成熟的技术，如虚拟护理、远程监控和远程患者监测，继续支持一线工作人员并在集成护理模式中扩展可及性。这些工具在提高员工保留率、效率和护理质量方面显示出潜力。
AI应用正在临床和运营领域的多个方面迅速扩展。例如，位于俄亥俄州的大学医院健康系统部署了一个具有30多条护理路径的AI平台，可以快速识别肺栓塞、冠状动脉钙化和颅内出血等病症。其他机构正在使用AI加速癌症筛查结果。生成式AI，尽管仍在评估其准确性和最佳用途，但在临床文件创建和生成患者摘要方面减少了临床医生的工作量。
领导者还发现了其他应用的价值，包括：
- 个性化治疗： 机器学习可以自动化复杂的统计工作，发现哪些特征表明患者会对特定治疗产生特定反应。
- 识别感染风险： AI应用可以帮助预测患者的免疫系统何时可能对感染产生过度且潜在危险的反应。AI还可以同时评估数十个变量，跟踪患者的生命体征，以更早检测败血症风险，使临床医生能够更快响应。
- 增强疾病检测： AI可以帮助自动化耗时的任务，如追踪肿瘤和测量脂肪和肌肉量。
三种技术集成护理模式可供探索
Sentara Health | 诺福克，弗吉尼亚州
研究表明，感到工作过度或无法完成任务的护士更容易倦怠并辞职。Sentara Health开发了患者急性护理护士工具（PANT），通过客观评估护理工作量和患者急性度来改善护士-患者分配。传统方法依赖于主管护士的临床判断和患者人数数据，通常导致工作量不平衡。PANT算法由Sentara的一个跨学科团队创建，整合实时患者数据，公平分配护理任务。该健康系统已在100个住院病房实施该工具，并提供培训材料和入职计划。该工具帮助主管护士做出更明智的分配，减少护士倦怠，通过提供经过验证的护理工作量指标来提高患者护理质量。
斯坦福医学 | 帕洛阿尔托，加利福尼亚州
斯坦福医学研究人员在斯坦福医院实施了一种基于AI的模型，用于预测患者恶化并促进医生和护士之间的更好协作。该模型每15分钟分析一次实时患者数据，并在患者有恶化风险时向护理团队发送警报。虽然该模型并不完美，预测实际恶化事件的准确率约为20%，但它使高风险患者的恶化事件减少了10.4%。AI模型作为一个沟通促进器，促使临床医生进行重要对话，这些对话在繁忙的日程安排下可能不会发生。
Ochsner 医疗中心 | 杰斐逊，路易斯安那州
该医疗中心利用数据科学改进患者安全。它创建了一个神经网络模型，使用250,000次住院信息来预测艰难梭菌感染。数据显示，胃酸减少药物增加感染风险的程度超过预期。现在，Ochsner的系统会标记高风险患者，给药剂师机会建议医生调整用药（通常是减少或停止使用这些药物）。这一新方法将艰难梭菌感染减少了一半，预防了166例感染，并在两年内节省了400万美元。
三个需要考虑的问题
- 您如何将AI集成到现有的技术基础设施中，特别是电子健康记录中？
- 您如何随着时间监控和评估AI技术的性能和影响，包括潜在的意外后果或偏见？
- 您如何主动识别并减轻增加临床负担的问题？
(全文结束)
