人工智能预测急诊科患者对病床的需求

由伦敦大学学院的研究人员和伦敦大学学院的工作人员共同开发的一种人工智能工具被用来预测有多少通过急诊室的患者需要入院，帮助规划人员管理床位需求。

该工具在npjDigitalMedicine的一篇新论文中进行了描述，通过查看到达医院急诊科的患者的实时数据，估计在4小时和8小时内需要多少病床。

在这项研究中，研究小组表明，该工具比规划者使用的传统基准更准确，基于前六周每周同一天所需的平均床位数量。

该工具还考虑了尚未到达医院的患者，还提供了比传统方法更详细的信息。该工具不是对全天进行单一数字预测，而是包含在4小时和8小时内需要多少床位的概率分布，并每天提供四次预测，并通过电子邮件发送给医院规划人员。

研究团队现在正在与UCLH合作改进模型，以便他们可以估计医院不同区域需要多少床位(例如内科病房或外科病房的床位)。

主要作者ZellaKing博士(伦敦大学学院临床运营研究部和伦敦大学学院健康信息学研究所)说：“我们的人工智能模型提供了关于一天中可能的床位需求的更丰富的图片。他们利用患者数据记录这些数据的那一刻。我们希望这可以帮助规划人员管理患者流量——这是一项复杂的任务，涉及平衡计划的患者和紧急入院。这对于减少取消手术的数量和确保高质量的护理非常重要。"

UCLH的运营、患者流动和应急准备、弹性和响应负责人艾莉森·克莱门茨(AlisonClements)说：“这个AI工具在帮助我们管理UCLH的入院和患者流动方面将非常有价值。我们的下一步是开始使用预测每天的流量聚集。我们期待继续与UCL合作，完善该工具并扩大其在整个医院的预测能力。”

研究人员使用2019年5月至2021年7月期间在UCLH记录的患者数据训练了12个机器学习模型。这些模型根据年龄和患者如何到达医院的数据评估了每位患者从急诊科入院的概率，测试结果和咨询次数，并结合这些概率来对所需床位数量进行总体估计。

然后，他们将模型的预测与2019年5月至2020年3月之间的实际录取情况进行了比较，发现它们的表现优于传统方法，与传统方法相比，中心预测平均偏离实际数字4次，而传统方法平均为6.5次。在新冠病毒爆发后，研究人员能够调整模型，以考虑到达人数和他们在急诊室花费的时间的显着变化。

资深作者、伦敦大学学院临床运营研究部主任SonyaCrowe教授说：“迄今为止，人工智能在医疗保健中的大多数应用都集中在临床问题上，而我们与UCLH共同开发的工具旨在帮助医疗保健的运营方面——也就是说，它是如何运行和管理的。

“由于UCL的研究人员和UCLH的工作人员之间的密切合作，这项工作成为可能。我们的方法是针对UCLH的系统量身定制的，但我们希望它也可以被其他地方的医院采用。”

UCLH床位管理临床运营经理LorraineWalton说：“这个工具的好处是它可以响应患者需求和特征的实时变化。这些变化可能是短期或长期的。我们发现例如“该工具可以适应大流行期间的使用。重要的是，该工具一旦完善，将有助于改善患者体验和结果。”

12个模型中的每一个都关注患者到达后不同时间间隔的数据：第一个模型只关注到达时记录的数据，第二个模型关注前15分钟记录的数据，而模型12关注超过12小时。这是因为因素的重要性取决于已经过去的时间和有多少其他数据可用。例如，在模型1中，到达医院的方式是一个重要因素，但在后来的模型中变得不那么重要了。研究人员发现，一起使用12个模型比使用更少的模型更准确。

　　免责声明：本文由用户上传，与本网站立场无关。财经信息仅供读者参考，并不构成投资建议。投资者据此操作，风险自担。 如有侵权请联系删除！