重癥監(jiān)護(hù)病房的臨床醫(yī)生需要快速準(zhǔn)確地做出復(fù)雜的決策，全天候監(jiān)測(cè)危重或不穩(wěn)定的患者。
卡內(nèi)基梅隆大學(xué)人機(jī)交互研究所(HCII)的研究人員與匹茲堡大學(xué)和UPMC的醫(yī)生和研究人員合作，確定人工智能是否可以幫助這一決策過程，以及臨床醫(yī)生是否會(huì)相信這種幫助。
該團(tuán)隊(duì)為24名ICU醫(yī)生提供了基于AI的工具，該工具旨在幫助做出決策，并發(fā)現(xiàn)大多數(shù)人將這種幫助納入了他們的一些決策中。
“感覺臨床醫(yī)生對(duì)人工智能幫助他們的潛力感到興奮，但他們可能不熟悉這些人工智能工具的工作原理。因此，將這些系統(tǒng)帶給他們真的很有趣，“HCII的博士生，研究團(tuán)隊(duì)成員Venkatesh Sivaraman說。
使用一組研究人員在2018年引入的AI Clinician模型，該團(tuán)隊(duì)設(shè)計(jì)了一個(gè)交互式臨床決策支持(CDS)界面 - 稱為AI ClinicianExplorer - 提供治療敗血癥的建議。該模型在超過18，000名患者的數(shù)據(jù)集上進(jìn)行訓(xùn)練，這些患者在ICU住院期間的某個(gè)時(shí)候符合敗血癥的標(biāo)準(zhǔn)診斷標(biāo)準(zhǔn)。該系統(tǒng)使臨床專家能夠在數(shù)據(jù)集中過濾和搜索患者，可視化他們的疾病軌跡，并將模型預(yù)測(cè)與床邊提供的實(shí)際治療決策進(jìn)行比較。
“臨床醫(yī)生總是將他們看到的患者的大量數(shù)據(jù)輸入到這些計(jì)算機(jī)系統(tǒng)和電子健康記錄中，”Sivaraman說。“我們的想法是，也許我們可以從其中一些數(shù)據(jù)中學(xué)習(xí)，這樣我們就可以嘗試加快他們的一些流程，讓他們的生活更輕松一點(diǎn)，還可以提高護(hù)理的一致性。
該團(tuán)隊(duì)通過對(duì)24名在ICU執(zhí)業(yè)并具有治療敗血癥經(jīng)驗(yàn)的臨床醫(yī)生進(jìn)行大聲思考研究，對(duì)他們的系統(tǒng)進(jìn)行了測(cè)試。在研究期間，參與者使用簡(jiǎn)化的AI Clinician Explorer界面來評(píng)估四個(gè)模擬患者病例并做出治療決策。
標(biāo)簽：
免責(zé)聲明：本文由用戶上傳，如有侵權(quán)請(qǐng)聯(lián)系刪除！