美国各地医院正采用人工智能技术预测患者需求并优化医疗服务，但该技术的早期应用仍不均衡，呈现区域性聚集现象，在医疗服务可及性需求最高的社区进展滞后。
1月15日发表在《自然·健康》(Nature Health) 的一项全国性分析发现，2023至2024年间，医院使用基于AI的预测模型在全国范围内形成了清晰的“热点”与“冷点”。为面临医护人员短缺或医疗服务不足地区服务的医院，报告使用预测性AI的可能性较低。该研究分析了3560家医院对2023或2024年美国医院协会(American Hospital Association) IT补充调查的回应数据，同时结合社区级指标和医疗保险和医疗补助服务中心(CMS)医院质量指标。
以下是分析的五大关键发现：
- 在回应IT调查的医院中，48.8%报告采用了基于AI的预测模型，16%报告使用了非AI预测模型，29.3%报告未使用任何预测模型。另有5.9%未报告实施状态，在后续分析中被视为非用户。
- 医院最常报告使用预测模型来预测患者健康轨迹，其中大多数模型由医院的电子健康记录供应商开发。然而，许多医院未报告评估模型性能：47.4%表示未评估或未回应关于模型准确性的内容，51.4%表示未评估或未回应关于偏差的内容。
- 采用率因地理区域而异。南大西洋人口普查区(South Atlantic Census Division)的预测AI实施评分最高，而西中南人口普查区(West South Central Division)最低。在州一级，南卡罗来纳州(South Carolina)和南达科他州(South Dakota)得分最高，而爱达荷州(Idaho)和蒙大拿州(Montana)最低。
- 当研究人员将AI采用情况与社区需求指标进行比较时，差异在面临医疗 workforce 短缺和准入限制的地区最为显著。在按医疗专业人员短缺区(Health Professional Shortage Areas)和医疗服务不足地区(medically underserved areas)分层的分析中，需求较高的地区的医院 consistently 报告使用基于AI的预测模型的可能性较低。
- 分析还发现，AI实施高度集中，部分原因在于医院的地理位置。研究人员报告称，预测AI实施 consistently 集中在都市地区，而单独测试显示医院自身也存在显著聚集。
作者将这些结果描述为2023至2024年医院AI早期部署的基线快照，并指出了几个局限性。只有58.4%的美国医院协会注册医院回应了2023或2024年IT补充调查，这可能导致选择偏差。该研究还依赖于预测AI实施的横断面报告，缺乏采用的精确时间点，限制了将实施与随时间推移的结果联系起来的能力。
尽管如此，研究人员表示，绘制热点和冷点图有助于识别AI技术进一步融入临床工作流程时应用集中和滞后的地方。他们呼吁制定标准化、详细、模型特定的AI实施指标，以及考虑本地背景的方法，而非统一的部署策略。
【全文结束】
