醫(yī)學(xué)成像是醫(yī)療保健中使用最廣泛的診斷工具之一，提供者每天為患者訂購數(shù)十項(xiàng)成像研究。這些研究用于獲取有關(guān)患者具有的某些癥狀或他們正在接受治療的病癥的信息，但經(jīng)常有與研究的原始適應(yīng)癥無關(guān)的偶然發(fā)現(xiàn)。
雖然放射學(xué)報告中提到了偶然發(fā)現(xiàn)，但訂購提供者通常不會注意到這些發(fā)現(xiàn)，因?yàn)樗麄儗Ｗ⒂诮鉀Q研究的原始意圖。雖然其中許多發(fā)現(xiàn)是良性的，但有些可能會發(fā)展為惡性腫瘤，因此及時隨訪對于防止長期損害患者的健康至關(guān)重要。
對偶發(fā)診斷成像結(jié)果的延遲和錯過隨訪是醫(yī)療保健中最多產(chǎn)的問題之一，它傷害了全國數(shù)百萬患者并推高了成本。在全國范圍內(nèi)，醫(yī)院和衛(wèi)生系統(tǒng)每年花費(fèi)約 4300 萬美元來解決僅對肺部檢查結(jié)果遺漏的訴訟。
“這個問題是一個可預(yù)防傷害的案例研究：有一個記錄在案但未被認(rèn)可的發(fā)現(xiàn)可能會導(dǎo)致有意義的干預(yù)，但患者的疾病卻不受控制地發(fā)展，”醫(yī)學(xué)主任、醫(yī)學(xué)博士、博士 Mozziyar Etemadi 說西北醫(yī)學(xué)的先進(jìn)技術(shù)。
認(rèn)識到對患者安全和財務(wù)風(fēng)險的嚴(yán)重威脅，西北醫(yī)學(xué)動員了一個由放射學(xué)、質(zhì)量、患者安全、流程改進(jìn)、初級保健、護(hù)理、信息學(xué)和其他方面的成員組成的多學(xué)科團(tuán)隊(duì)來解決這個問題。該團(tuán)隊(duì)創(chuàng)建了一個利用人工智能 (AI) 集成到電子健康記錄 (EHR) 中的系統(tǒng)，該系統(tǒng)運(yùn)行在幾乎所有在 11 家醫(yī)院衛(wèi)生系統(tǒng)中訂購的成像研究中。需要時，人工智能會在 EHR 中觸發(fā)警報，直接在預(yù)約醫(yī)生的工作流程中清楚地顯示結(jié)果和建議的后續(xù)行動。
一旦系統(tǒng)觸發(fā)警報，它就會跟蹤建議的后續(xù)發(fā)現(xiàn)的完成情況，以發(fā)現(xiàn)偶然發(fā)現(xiàn)和預(yù)期發(fā)現(xiàn)。如果未采取措施安排額外的成像或其他隨訪，則會發(fā)送另一個警報以防止延誤護(hù)理并改善患者預(yù)后。
Northwestern Medicine 于 2020 年 12 月首次實(shí)施該技術(shù)以尋找肺部和腎上腺的發(fā)現(xiàn)，然后對其進(jìn)行了一年多的前瞻性測試。該研究的結(jié)果今天發(fā)表在NEJM Catalyst Innovations in Care Delivery上，這是在臨床實(shí)踐中部署的 AI 工具的首批前瞻性研究之一。
標(biāo)簽：
免責(zé)聲明：本文由用戶上傳，如有侵權(quán)請聯(lián)系刪除！