人工智能可帮助初级保健诊所识别危险饮酒习惯AI can help primary care clinics spot risky drinking habits

环球医讯 / AI与医疗健康来源:medicalxpress.com美国 - 英语2025-12-29 08:05:46 - 阅读时长5分钟 - 2156字
密歇根大学成瘾研究中心团队在《药物与酒精依赖》期刊发表的研究表明,自然语言处理技术能有效分析电子健康记录中的临床笔记,识别出47500多名传统筛查方法遗漏的危险饮酒患者,显著提高酒精使用障碍检测率;该AI工具在170人样本测试中额外发现17例酒精使用障碍和23例危险饮酒案例,有望改善初级保健中的早期干预,但需作为传统筛查的补充而非替代,因患者饮酒习惯会随时间变化且电子记录可能存在误差,同时研究强调了处方药物和SBIRT方法在治疗中的重要性。
人工智能初级保健诊所危险饮酒习惯酒精使用障碍自然语言处理电子健康记录密歇根大学成瘾研究临床护理筛查工具
人工智能可帮助初级保健诊所识别危险饮酒习惯

人工智能可帮助初级保健诊所识别危险饮酒习惯

作者:卡拉·加维(密歇根大学)

编辑:加比·克拉克,安德鲁·齐宁审阅

图片来源:Pexels网站MART PRODUCTION

在繁忙的初级保健诊所中,医生和其他医护人员通常会询问患者的饮酒情况,并尝试判断其是否处于健康或问题范围内。患者甚至可能在候诊时在纸质表格或智能手机上完成饮酒问卷。

但一项新研究表明,人工智能可能有助于提高那些存在危险饮酒模式或酒精使用障碍(AUD)迹象的人群获得所需外展服务和帮助的机会。

这一点很重要,因为过去一年中,只有约10%符合AUD诊断标准的人实际上获得了帮助。许多人可能没有意识到自己的饮酒习惯表明有成瘾迹象,或者他们饮用的酒精量超过了推荐量,这会增加从受伤到癌症再到睡眠问题等各种风险。

这项由密歇根大学成瘾研究中心团队在《药物与酒精依赖》期刊上发表的研究,使用自然语言处理(NLP)工具分析了密歇根大学健康系统(U-M Health)133,000多名初级保健患者的匿名电子健康记录中的笔记、评论和筛查工具得分的全文。

仅根据诊断代码和饮酒问卷得分等正式记录部分,820名患者存在危险饮酒或AUD。NLP工具在发现这些患者方面几乎与人工评审员一样有效。

但自然语言处理工具还识别出另外47,500多名笔记中显示出某些危险饮酒迹象的患者。

识别酒精问题

帮助领导这项研究的成瘾心理学家安妮·费尔南德斯博士表示,研究结果表明,大多数处于危险饮酒水平的人被忽视了,自动化工具可以帮助识别他们。

她表示:"这很重要,因为饮酒会导致健康问题,与药物相互作用,并使一些常见医疗状况恶化。这些都是医生需要了解的信息,以便他们能够提供最佳护理。"

费尔南德斯解释说:"医生无法阅读患者病历中每位提供者和每次预约的每一份临床笔记,但自动化工具可以快速轻松地完成这项工作。我们的研究表明,这些笔记包含有关饮酒的有用信息,我们希望从长远来看能够改善临床护理。"费尔南德斯是密歇根大学医学院精神病学系副教授,也是密歇根大学成瘾治疗服务中心的临床心理学家。

她和同事,包括第一作者、精神病学研究助理朱心彤(Celeste Xintong Ju),应用了同一NLP工具,该工具此前已显示出能够识别计划进行手术的患者的危险饮酒迹象。

在这项新研究中,他们更进一步,联系了那些被自然语言处理工具识别为处于危险饮酒水平的样本,以及通过标准方法识别的匹配样本。

他们要求这些人回答有关饮酒习惯和酒精使用障碍症状的问题,并利用这些信息检查电子健康记录和自然语言处理工具的准确性。

在这170人的群体中,自然语言处理工具发现了标准数据遗漏的17例酒精使用障碍病例,以及标准筛查遗漏的23例危险饮酒病例。

通过标准筛查识别出的人更可能患有抑郁症或焦虑症,并且已经寻求过某种形式的帮助来解决饮酒问题,无论是在自助小组、门诊治疗环境还是住院护理中。

潜在影响

费尔南德斯指出,如果在使用自然语言处理工具的更大样本中证实了这项新研究的结果,AI的使用最终可能补充初级保健提供者已有的危险饮酒和AUD迹象识别工作。

尽管全国性建议呼吁对成人进行普遍筛查以发现危险饮酒,以及《平价医疗法案》下的保险覆盖此类筛查,但许多患者并未接受筛查。

还存在一个问题,即患者可能不会完全坦率或准确地向医疗保健提供者透露自己的饮酒情况,尤其是当他们填写标准化问卷时。

这就是另一个原因,即使用自然语言处理来扫描初级保健提供者关于患者就诊的笔记文本,可能比筛查工具揭示更多信息。

然而,自然语言处理不能取代标准的酒精筛查。临床医生仍需进行自己的筛查以检查准确性,因为AI可能会出错,电子健康记录可能不准确,而且饮酒习惯会随时间变化。

许多患者,甚至一些提供者,可能不知道有处方药物可以帮助患者从AUD中恢复。这些药物由医疗补助计划(Medicaid)、医疗保险(Medicare)和大多数其他保险计划承保。同样被承保的是一种称为SBIRT的方法,即筛查、简短干预和转诊治疗。

除了费尔南德斯和朱之外,研究作者还包括杰克·索尔卡(Jake Solka)、凯瑟琳·韦伯(Katherine Weber)、VG维诺德·维迪斯瓦兰(VG Vinod Vydiswaran)、林乐为(Lewei Allison Lin)和艾琳·邦纳(Erin E. Bonar)。费尔南德斯、林和邦纳是"通过研究与教育进行成瘾护理创新"(MI-ACRE)小组的成员,也是密歇根大学医疗保健政策与干预研究所的成员。

林也是退伍军人事务部安娜堡医疗系统(VA Ann Arbor Healthcare System)临床管理研究中心的成员,该中心也参与了初级保健中酒精治疗的临床试验。

更多信息

朱心彤等人,《电子健康记录中的不健康饮酒检测:使用自然语言处理的比较研究》,《药物与酒精依赖》(2025)。DOI: 10.1016/j.drugalcdep.2025.112920

期刊信息:《药物与酒精依赖》

关键医学概念

酒精使用障碍 危险饮酒

由密歇根大学提供

**引用:**人工智能可帮助初级保健诊所识别危险饮酒习惯(2025年12月12日)

【全文结束】

猜你喜欢
    热点资讯
    全站热点
    全站热文