美国医院在电子病历中使用预测性AI的比例升至71%
2024年，美国71%的非联邦急症护理医院报告使用了与电子病历整合的预测性人工智能。一年前，这一比例为66%，MyJoyOnline报道，援引了文章中提供的数据。
文章指出，这类系统的可靠性不仅取决于算法，还取决于医疗数据的质量、含义、安全性和可追溯性。一份填写完整的病历可能在临床上具有误导性：用于计费的诊断并不总能反映患者状况的全貌，实验室指标可能包含错误的计量单位，而时间戳可能记录的是信息录入系统的时间，而非医疗事件本身。
数据交换无法消除错误
作者提请关注信息系统互操作性问题。FHIR标准使医疗数据的呈现和交换更加便利，但无法纠正源信息中的错误，也无法统一不同的定义。两个系统可以成功传输同一个数值，却以不同方式解读该数值。
更多最新消息请关注 UA.News Telegram 频道 Telegram.
美国医疗保险和医疗补助服务中心关于系统互操作性和预先授权的规则规定，适用该规则的付款方必须实施或更新一系列FHIR应用程序接口。这些接口相关要求的合规期限总体上从2027年开始。
模型需要持续监控
人工智能系统必须在其实际应用的特定条件下进行测试。针对在胸部X光片中识别肺炎的模型的研究表明，在一家医院系统的数据上训练的模型，在其他医疗机构的数据上往往表现较差。患者群体构成、疾病患病率、设备、工作流程和编码实践的差异都可能影响结果。
2024年，使用预测性人工智能的医院中，79%报告进行了某种形式的实施后评估。同时，并非所有医院都检查了其大多数或全部模型，18%的受访者不知道是否进行了此类监控。评估不仅应涵盖准确性，还应包括校准、预测价值、对不同患者群体的表现、外部和时间验证，以及对临床流程的影响。
