西弗吉尼亚大学药剂师使用人工智能帮助降低患者再入院率
西弗吉尼亚大学健康数据科学家正在开发的一种人工智能工具可以减少将最近出院的患者送回医院的用药错误，同时降低医疗保健成本。
根据管理护理药学学院的数据，每年至少有 150 万人因用药错误而受到伤害，仅在医院治疗这些与药物相关的伤害的费用每年估计就达 35 亿美元。
“因此，我们需要为临床医生提供更好的工具，”该项目负责人、西弗吉尼亚大学药学院制药系统与政策系助理教授Abdullah Al-Mamun说。 “我们将开发一种工具，用于检查每位患者的记录以进行药物协调过程。我们的目标是建立一个警报系统，显示患者是否有更高的机会重新入院。”
药物协调是临床医生在患者出院前执行的标准做法。该过程是对他们在入住前和入住期间所服用的处方和非处方治疗进行审查。结果应该是一份全面的清单，列出他们回家后该吃什么、不该吃什么以及具体剂量。然而，马蒙表示，由于需要从多名临床医生那里收集信息来提出护理建议，因此程序常常变得复杂。
“85% 的错误都是在这里发生的，”Mamun 说。 “在患者住院期间，药物会发生变化以改善疗效。患者无法带着在医院服用的相同剂量的药物回家。应该有所调整。”
Mamun 指出，作为一种补救措施，研究表明，当护理过渡药剂师接管药物协调工作时，30 天的再入院率降低了 50%。他的项目旨在通过这种人工智能驱动的工具使药剂师的工作更加高效和有效。
马蒙解释说，医院使用的电子数据系统包含药物和账单信息，以及医生、护士和药剂师的注释。为了进行药物协调，药剂师需要花费 30 到 50 分钟审查每位出院患者的记录，在JW Ruby 纪念医院这样规模的机构中，每天约有 200 名出院患者。
Mamun 和他的HealBig 研究实验室的成员希望简化这一过程。
“这就是人工智能发挥作用的地方，”马蒙说。 “它将提取所有这些数据，并使用不同的算法为患者建立档案。这将使该过程更加准确、更快，并提高用药安全性。”
HealBig团队将采用深度学习的人工智能方法进行自然语言处理，让程序能够理解临床医生笔记中的某些单词和短语。根据每个患者档案中的病史和当前身体状况等因素，该工具还将能够确定再次入院的风险，并为药剂师创建警报系统。
“假设患者 X 感觉好多了，但我的工具显示他有 90% 的机会在 30、60 或 90 天内回到医院。这会升起一面旗帜，”马蒙说。 “药剂师可以回到跨专业护理团队，这样他们就可以再次检查患者的资料，看看是否应该让他再住院几天。这样的事情可以挽救病人的生命。”
人工智能技术的使用也将使 Mamun 实验室的学生受益，让他们获得学习数据科学工具的经验，以便在以后的职业生涯中使用。
“他们将学习如何最终改善患者治疗效果的不同方面，”马蒙说。 “当他们接触到这样的项目时，他们就会更有动力进行研究。”
主修卫生服务和结果研究的研究生研究助理Ki Jin Jeun将从事统计分析工作。随着项目的进展，西弗吉尼亚大学药学博士课程的其他学生也将加入该项目。
Mamun 获得美国临床药学院为期两年 10 万美元的资助，与临床副教授Kazuhiko Kido一起开展该项目。
该团队将首先开发一个警报系统原型。马蒙表示，下一步将将该工具集成到医院的电子数据系统中并进行试点测试。在该阶段，该团队计划寻求更大的资助。
“下一阶段将具有挑战性，因为这是系统真正交互的地方，”马蒙说。 “我们需要大量资源和临床专家。将健康数据科学和人工智能技术引入医疗领域，尤其是制药领域，是非常令人兴奋的。这将帮助付款人、医疗服务提供者以及最终临床医生做出更好的决策。”
版权声明：本文由用户上传，如有侵权请联系删除！