共计 1086 个字符，预计需要花费 3 分钟才能阅读完成。
医疗领域的人工智能应用正不断取得突破性进展。一项最新研究证实，人工智能工具能够准确识别哪些患者出院后需要转入专业护理机构接受后续照护，从而为医院规划提供有力支持。
这项由纽约大学朗格尼医学中心科研团队领衔的研究指出，若能提前识别此类患者，医院可更早为其规划复杂的出院方案。这能有效避免患者达到出院标准，却因后续安置困难而滞留在医院的情况发生。该研究成果已在线发表于自然出版集团旗下期刊《npj 卫生系统》。
- 
- 
- 
- 
- 
- 
研究发现，基于人工智能生成的医生笔记摘要所构建的预测模型，其表现优于直接使用原始冗长医疗记录的模型。这一新方法采用了创新的两步流程：首先，由第一个人工智能模块从患者入院时的医生记录中提取关键风险因素；然后，由第二个模块以高达 88% 的准确率，预测患者在住院结束时是否需要专业护理服务。
研究资深作者 Yindalon Aphinyanaphongs 对此形容道：“这种两步法犹如一位高效而细致的阅读者，能将复杂的医疗记录转化为出院规划所需的核心信息摘要。”
AI 如何精准预测护理需求？
研究团队分析了 4000 名在纽约大学朗格尼普通内科住院患者的电子健康记录，重点聚焦于记载患者健康状况、功能能力及社会处境信息的“病史与体格检查”入院记录。
研究人员开发了一套生成式人工智能模型。该模型通过读取每份冗长的入院记录，提取与七项关键风险因素相关的信息——例如患者的居住状况和日常生活自理能力——并将其整理成简短的“人工智能风险快照”。
团队共测试了九种不同的人工智能模型，比较了使用完整原始记录与使用经压缩 94% 的“风险快照”在预测患者出院去向方面的表现。研究人员强调，由于几乎所有原始记录长度都超出一般人工智能模型的处理上限，这一信息压缩步骤至关重要。
为验证人工智能推理的合理性，研究团队邀请了人类专家对输出结果进行评估。当护士个案管理员在不知晓模型预测结果的情况下审阅人工智能生成的摘要时，他们的判断与人工智能风险评分高度一致。数据显示，若模型给出高风险评分，护士独立判定患者需要专业护理的可能性将提高 13.5 倍。
该研究所指的专业护理机构主要为疾病或术后康复患者提供短期强化护理与康复服务。据研究人员介绍，在纽约大学朗格尼医学中心，约有 15% 的患者出院后会转入此类机构。
研究第一作者 William R. Small 表示：“下一步我们将在真实临床环境中测试该模型，验证其是否能帮助护理团队更有效地规划所有患者的出院方案。同时，我们将持续监测系统运行，确保其公平、安全，并真正提升患者的照护质量。”这项人工智能在预测出院后护理需求方面的应用，展现了 AI 赋能医疗流程优化、提升资源利用效率的巨大潜力。
