根据本月发表在《美国临床与医学研究杂志》上的一项相关科学研究综述，将人工智能（AI）整合到电子病历（EHR）系统中可以使得患者数据对于终端用户更加可用和可靠。
此外，通过将机器学习算法应用于EHR数据录入流程，医疗机构可以在减轻临床医生手动任务负担的同时，最大化临床精确度并促进流程标准化。希腊比雷埃夫斯大学的研究人员得出了这一结论。公共卫生经济学家Dimitris Karaferis博士及其同事进一步指出，当正确应用于EHR时，这些算法可以智能自动填写患者信息、建议相关医疗编码，并实时标记潜在错误或遗漏。
“AI还可以分析用户交互模式，以识别EHR界面中的痛点，使开发人员能够创建更直观的设计，满足用户需求。”作者写道。“这种主动方法可以显著减少用户挫败感，并提高医疗提供者对EHR系统的采用率。”
该研究描述了AI-EHR组合可以提供的诸多优势，包括：
1. 提升数据处理和评估能力
Karaferis及其合著者写道：“AI技术鼓励了一种更为精细的患者护理管理方式，因为它们能够预测患者风险、定制治疗策略并在实时监控健康状况。”机器学习、自然语言处理和预测分析“正越来越多地被纳入EHR系统，以应对医疗保健领域的重大挑战，包括数据饱和、文档负担和增强预测功能的需求。”
“鉴于近年来医疗数据的激增，AI提供了一种有效利用[患者]数据的解决方案，增强了EHR对医疗专业人员、个人和官员的智能化和实用性。”
2. 减少临床医生的行政任务时间
研究表明，AI驱动的临床文档工具显著减少了临床医生用于EHR职责的时间。作者指出，“几乎一半的医疗提供者表示他们在家花费更少的时间在EHR上，类似比例的人也经历了工作时间外EHR相关责任的减少。”
“AI工具帮助干预组显著减少了EHR文档时间，与对照组相比，表明AI有可能减少导致临床医生倦怠的行政任务。”
3. 增强临床决策支持和提高数据准确性
作者观察到，“由AI驱动的EHR系统可以通过分析患者信息并为医务人员提供基于证据的建议，提供即时的临床决策支持（CDS）。”“EHR平台在医疗机构中的广泛应用使得可以从大量患者队列中收集全面的临床数据。”
“这些庞大的EHR数据集使研究人员有机会：a.) 构建涵盖更广泛患者属性的更精确预测模型；b.) 减少工程需求的情况下更频繁地更新这些模型；c.) 提高这些预测模型的整体质量。”
4. 优化可用性和用户体验
Karaferis及其同事指出，“许多临床医生表达了对现有EHR系统复杂性和用户不友好性的担忧。”“AI的引入可以显著改善这些平台的可用性，从而减轻医务人员面临的行政负担。”
“此类改进对于提高临床医生满意度至关重要，使他们能够更加专注于患者护理而非行政责任。”
5. 改善患者预后
作者写道，“通过处理来自病史、实验室结果和影像结果等大量数据集，AI提高了诊断精度，‘揭示了可能逃过人类从业者注意的模式和关系’。”“这种能力显著增强了早期识别疾病和制定针对每位患者独特需求的个性化治疗计划的能力。”
“此外，AI系统能够实时监测患者进展，提醒医疗提供者任何可能需要干预的显著变化。这种主动方法不仅降低了并发症的风险，还提高了整体患者护理质量。”
作者还讨论了一些伴随AI-EHR集成努力而来的挑战，其中最重要的是数据隐私、安全性和保密性。
(全文结束)
