AI hjälper läkare fatta bättre beslut och räddar liv på Mount Sinai Hospital.

StockholmAI och maskininlärning hjälper läkare att fatta snabbare och bättre beslut. En studie från Mount Sinai, som publicerats i Critical Care Medicine, visar att AI-varningar kan hjälpa läkare att snabbare åtgärda patientproblem. Detta förbättrar patientutfall på sjukhus.

Huvudstudien visade några viktiga resultat:

• Patienter hade 43 % större sannolikhet att deras vård skulle eskaleras.
• Patienter hade avsevärt mindre risk att dö.
• Läkare gav fler läkemedel för att stödja hjärtat och cirkulationen.
• Patienter hade mindre risk att dö inom 30 dagar.

Dr. Matthew A. Levin, som är huvudförfattaren, säger att deras mål var att undersöka om AI-varningar kunde minska behovet av intensivvård och sänka risken för dödsfall på sjukhus. Tidigare använde de traditionella metoder som Modified Early Warning Score (MEWS). Men Dr. Levin påpekar att AI och maskininlärning fungerar bättre än dessa äldre metoder. De förutser hälsoproblem mer noggrant och möjliggör tidigare behandling, vilket räddar fler liv.

Forskningsstudien omfattade 2 740 vuxna patienter på fyra medicinska/kirurgiska avdelningar vid Mount Sinai-sjukhuset i New York. Patienterna delades in i två grupper. Ena gruppen fick direkta varningar om sitt hälsotillstånd, skickade till sjuksköterskor, läkare eller ett snabbinsatsteam. Den andra gruppen fick varningar skapade, men de skickades inte till någon. Om patienter i gruppen utan varningar visade allvarliga hälsoproblem fick de dock fortfarande akut vård.

Läs också:

21 november 2024 · 15:27

USA dominerar AI-innovation, lämnar Kina bakom i Stanford-rankning

Dr. David L. Reich, en av de ledande forskarna i studien, förklarar fördelarna med realtidsvarningar genom maskininlärning. Dessa modeller är snabba och precisa, vilket underlättar kliniska beslut. De säkerställer att rätt team når rätt patient snabbt. Dr. Reich kallar dessa verktyg för "förstärkt intelligens." De påskyndar utvärderingar av läkare och sjuksköterskor och påbörjar behandlingar snabbare för att hålla patienterna säkra. Dessa åtgärder syftar till att skapa ett lärande hälsosystem.

Studien avbröts tidigt på grund av COVID-19-pandemin, men algoritmen används nu i alla intermediärvårdsavdelningar på Mount Sinai Hospital. Dessa avdelningar är särskilt avsedda för patienter som behöver noggrann övervakning men är stabila. Varje dag granskar intensivvårdsläkare de 15 patienter med högst riskscore och ger behandlingsrekommendationer till primärvårdsteamet. När algoritmen får mer data över tid blir den mer precis.

Forskare vid Mount Sinai har skapat denna algoritm för klinisk försämring. De har dessutom utvecklat och implementerat ytterligare 15 AI-baserade verktyg för kliniskt beslutsstöd inom Mount Sinai Health System.