摘要：人工智能（AI）模型通过四倍的检测和治疗der妄的速度改善了住院患者的预后。该模型确定了del妄高风险的患者，并提醒一个经过特殊训练的小组评估患者并在需要时制定治疗计划。...
人工智能（AI）模型通过四倍的检测和治疗der妄的速度改善了住院患者的预后。该模型确定了del妄高风险的患者，并提醒一个经过特殊训练的小组评估患者并在需要时制定治疗计划。
该模型是由西奈山伊坎医学院的研究人员开发的，已纳入医院运营，帮助医疗保健提供者识别和管理ir妄，这种疾病可能会影响多达三分之一的住院患者。
这项研究是第一个证明AI驱动的del妄风险分配模型不仅可以在实验室环境中表现良好，而且还可以在临床实践中带来现实世界中的福利，并于2025年5月7日在线发行JAMA网络开放。
del妄是一种突然而严重的混乱状态，会带来威胁生命的风险，并且在住院的患者中常常未被发现。如果没有治疗，它就可以延长住院时间，增加死亡风险并加剧长期结局。研究人员说，到目前为止，AI驱动的ir妄预测模型一直在努力证明患者护理的切实改善。
“我们在西奈山的研究背后的动机很明显。当前基于AI的deli妄预测模型尚未显示出对患者护理的现实益处。” Sinai Mount Sinai Health System和Icahn Sinai Medical School School Schoop of Sinai Sinai Sinai的Icahn School of Sinai Sinai的Sinai Health System和Neuroscience的创始人兼Delirium Services的创始人兼主任Joseph Friedman，MD。 “我们想通过创建一个模型来实时计算ir妄风险，并顺利地集成到临床工作流程中，帮助医院工作人员捕捉并治疗更多可能会被忽视的妄想患者来改变这一点。”
从一开始，研究团队就没有孤立地建立AI模型并在医院进行测试，而是与西奈山临床医生和医院工作人员紧密合作。这种“垂直整合”方法使他们能够实时完善模型，从而确保它在临床使用方面既有效又实用。
当在西奈山部署时，AI模型大大改善了del妄检测，导致：
•确定案件增加了400％，而没有增加筛查患者的时间
•通过减少老年人使用潜在不适当的药物的使用来更安全的处方
•在现实世界医院环境中的强劲，可靠的表现
在他们的研究中，涉及到纽约市西奈山医院的32,000多名患者，研究人员使用AI模型分析了从电子健康记录中分析结构化数据和临床医生注释的组合。它使用机器学习来识别与高ir妄风险和应用自然语言处理相关的图表数据模式，以从医院工作人员编写的图表注释语言中识别模式。这种方法捕获了员工观察到精神错乱或风险更高的患者的精神状况变化。当时，撰写票据的个别工作人员可能不知道他们的临床观察有助于提高AI模型的准确性。
值得注意的是，该模型在高度多样化的患者人群中进行了测试，这些患者群体具有广泛的医学和手术状况 - 比通常包括在基于机器学习的ir妄风险预测模型的研究中的狭窄群体宽得多。
该工具可显着提高每月ir妄检出率（从4.4％到17.2％），允许较早的干预措施。确定的患者还接受了较低剂量的镇静药物，可能会减少副作用并改善整体护理。
弗里德曼博士说：“我们的模型不是要替换医生，而是为他们提供一种简化工作的强大工具。” “通过大量分析大量患者数据，我们的机器学习方法使医疗保健提供者可以将其专业知识集中在更有效，更精确地诊断和治疗患者上。”
虽然AI模型在西奈山医院取得了很高的成果，并且在其他西奈山（Mount Sinai Mount）进行了测试，但其他医院系统将需要验证以评估其在不同情况下的性能并在需要时进行调整。
“这项研究证明了我们通过在医院运营中建立AI驱动的临床决策支持来实现的量子飞跃。我们通过在正确的时间将正确的团队带到合适的患者，以改善患者的安全和结果，以便患者获得适合他们需求的专业护理，” Sinai Mount Sinai Hosthalt Shorts Synai Mount Sinai Mount Sinai Mount Sinai Sinai Mount Sinai Mount Sinai Mount Sinai Mount Sinai Mount Sinai Mount Sinai的共同作者说。 "To become a learning health system, we must continue this pathway of developing, testing, deploying, and fine-tuning AI-tools that are seamlessly integrated into health care workflows. Previously, we found that AI clinical decision support works in addressing malnutrition and clinical deterioration, where Mount Sinai's use of real-time AI alerts to predict declining health, accelerated treatment and reduced hospital deaths.
