护理实践警报。分诊注册护士关于该研究的护理实践警报。资料来源：Mayo Clinic Proceedings: Digital Health (2025). DOI: 10.1016/j.mcpdig.2025.100249
根据西奈山卫生系统的多机构研究显示，人工智能（AI）可以帮助急诊科（ED）团队比现有技术提前数小时更准确地预测哪些患者需要住院治疗。这种提前预警机制可能改善患者护理体验，减少急诊科过度拥挤和"滞留"现象（患者因无空床而被迫留在急诊科），并使医院能够精准调配资源。这项发表于《梅奥诊所数字健康进展》期刊7月9日在线版的研究，是迄今为止急诊场景中最大规模的前瞻性AI评估研究之一。
研究团队与西奈山医疗系统内7家医院的500余名急诊科护士合作，评估了基于超过100万次历史患者就诊数据训练的机器学习模型。在两个月的时间里，研究人员将AI生成的预测结果与护士的分诊评估进行对比，验证AI能否在患者到达后更早识别潜在住院需求。
"急诊科过度拥挤和滞留现象已成为全国性危机，影响着患者预后和财务绩效。航空和酒店业通过预订系统预测需求并进行规划，而在急诊领域我们没有这种预约系统。试想如果航空酒店业仅依赖历史趋势预测需求会怎样？这正是医疗行业的现状，"研究第一作者、西奈山卫生系统护理与急诊服务副总裁Jonathan Nover（工商管理硕士，注册护士）表示。"我们的目标是验证AI结合护士判断能否建立类似预约的收治规划系统，开发提前预测收治需求的工具，从根本上改善医院患者流管理，进而提升治疗效果。"
这项涵盖西奈山都市和郊区医院近5万次患者就诊的研究表明，AI模型在不同医院环境中均表现出稳定性能。令人意外的是，研究发现人机预测的结合并未显著提升准确性，表明AI系统本身已具备强大预测能力。
"我们设计的模型不仅要理论表现优异，更要能真正支持一线临床决策，"共同通讯作者、西奈山伊坎医学院人工智能与人类健康系主任Eyal Klang（医学博士）指出。"通过训练算法分析超过100万次患者就诊数据，我们旨在捕捉比传统方法更早预测收治需求的模式。这种方法的优势在于能将复杂数据转化为及时的临床决策支持，让医护人员减少物流负担，专注于提供人类特有的个性化关怀护理。"
尽管研究仅限于单个医疗系统两个月的数据，研究团队希望这些发现能成为未来临床实时测试的跳板。下一阶段将把AI模型纳入实时工作流程，评估其对缩短滞留时间、改善患者流动性和运营效率的实际影响。"令人鼓舞的是AI能独立完成复杂预测，但同样重要的是超过500名护士的直接参与，这突显了人类专业知识与机器学习协同优化护理交付模式的巨大潜力，"共同通讯作者、西奈山卫生系统首席数字化转型官Robbie Freeman（护理学博士，注册护士）强调。
"该工具的目标不是取代临床医生，而是支持他们。通过更早预测收治需求，为护理团队争取规划和协调时间，最终提供更优质、更具人文关怀的护理。令人振奋的是，AI不再是空中楼阁的概念，而是由每天奋战在护理一线的人员塑造出的实用解决方案。"
该论文标题为《多机构急诊护理系统中机器学习与护士预测住院需求的比较研究》。研究作者包括Jonathan Nover、Matthew Bai、Prem Tismina等医学专家。
【全文结束】
