人工智能正在改善医疗监测和随访

远程监控医疗状况并与患者进行随访是现代医学面临的主要挑战之一。人工智能技术有望简化这一复杂的过程。

确保诊所或医院的连续护理是一个复杂的噩梦。协调检查结果、影像、药物和生命体征监测对于依赖笨重技术和人员不足的行业来说是一个巨大的挑战。当患者在家处理突发的健康危机、慢性疾病或术后恢复时，管理他们的护理变得更加复杂。

医生可能会错过重要的发现，这些发现可能会影响患者的预后和治疗——这使得患者缺乏必要的信息来做出医疗决策。据世界经济论坛的数据，约97%的可用数据未被审查。电子健康记录（EHR）也杂乱无章，充满了错误。

基于仅有的3%已审查的数据与患者进行随访构成了提供者的一项重大负担。

即使在患者稳定且病例已经得到彻底审查的情况下，他们也可能发现难以获得如何最佳管理其情况的见解。多次打电话给超负荷的呼叫中心，花数小时等待，查阅晦涩难懂的说明，尝试使用不可靠的家庭测试和监测设备来解释自己的结果——这些都是患者面临的挑战。

人工智能技术在管理患者随访和监测中的一些最严重低效方面显示出潜力。从自动调度和回答简单问题的聊天机器人到审查影像和检查结果，一系列AI技术承诺简化患者和提供者的繁琐流程。

这些创新不仅释放了宝贵的时间，还增加了有效护理的可能性。AI图表审查可能检测到需要随访的异常情况，AI影像审查可能检测到早期迹象，这些迹象可能会逃过人工审查。

但是，与其他AI技术一样，确保算法错误不会造成损害仍然具有挑战性。什么时候聊天机器人就足够了？而当它不够时，患者能否真正与他们的提供者交谈？

《信息周刊》深入探讨了AI管理的医疗监测和随访的潜力，其中包括Inflo Health首席执行官Angela Adams和圣克拉拉大学生物工程系助理教授Hamed Akbari的见解，后者从事AI和医学影像研究。

行政AI

任何经历过医疗系统的人——基本上是每个人——都知道行政程序有多糟糕。尝试预约初级保健医生已经够糟糕的了。但对于正在康复或患有致残性慢性病的患者来说，情况如何？

AI解决方案可以为患者和诊所简化这些流程。AI辅助平台提供了高效的预约安排、续药和简单问题解答的方法。患者只需回复短信或填写表格表明需求即可。

根据2022年的一项调查，60%的受访者更喜欢直观的应用程序形式的服务。

患者可能更倾向于回复由AI程序生成的短信或电子邮件，因为他们可以在方便的时间这样做，而不是在不方便的时候接电话。因此，他们可以在不受即时需求影响的情况下提供有用的反馈——例如，他们如何评价与提供者的体验——而他们原本可能不愿意这样做。

在出现异常响应——并发症或剂量问题——时，工作人员可以跟进电话或消息，亲自解决这些问题。错过预约可以标记，指示需要跟进，并协调其他患者可以使用的空缺，否则这些患者可能需要等待。

超过70%的患者更喜欢自助预约，根据Experian的一份报告。高达40%的诊所电话与预约有关。减少通话量可以节省大量成本，并腾出时间处理更紧急的问题，这些问题需要现场医疗专业人员的关注和分析。

药物随访和依从性

许多健康条件，无论是急性事件之后还是长期慢性疾病，都要求严格遵循药物方案。

AI程序不仅可以监控患者是否按处方服药，还可以通过编程通知提醒他们服药。这些程序收集的反馈可以指出不依从的原因，帮助从业者制定解决问题的方法。

糖尿病管理方案的依从性受到生活方式、社会经济地位、疾病严重程度和个性因素的影响。考虑这些因素的AI程序可以帮助从业者和患者完善方案，使其既现实又有效。

一项使用智能手机应用程序提醒中风患者服药并随后通过血液测试确保他们服药的研究发现，依从率显著提高，从而带来了更好的健康结果。

AI程序还可以使用患者数据设计药物的最佳剂量。治疗药物监测一直是一个挑战，因为患者对药物的反应因个体生理差异而异，无论是单独服用还是联合使用。

它们甚至可以将剂量与药物效果相关联——这对那些治疗本身可能产生不良后果的疾病来说是一个重要进展。例如，化疗药物可以通过优化最大化疗效并最小化副作用。

慢性病监测

使用AI监测慢性病患者的体征可以帮助检测异常情况，并指示需要调整以稳定患者的措施。定期监测血压、血糖和呼吸等关键健康指标可以建立基线，并标记需要随访治疗的波动，结合个人和人口统计学数据（如年龄和性别），并与相似患者的可用数据进行比较。

远程患者监测（RPM）设备，如血压计、脉搏血氧仪和血糖仪，可以连接到AI程序，这些程序分析收集的数据并得出有用的结论。教育和健康素养水平在人群中有所不同。

自动化摘要可以帮助患者理解用于确定其状态的信息的复杂性，并在管理其病情方面发挥积极作用。即使是受过高等教育且已经积极参与自身护理的患者，也可能会从信息合成的效率中受益，使信息易于理解。

简化读数由AI程序生成，尤其有助于同时患有多种疾病的患者——共病——这使他们更难以管理自己的护理并向提供者传达需求。

无论是急性变化还是模式，如心率逐渐降低，都可以帮助提供者评估何时需要干预，如调整药物或手术。

圣克拉拉大学的Hamed Akbari表示：“如果能早期检测到恶化，预后可以得到改善。即使在需要手术的情况下，也可以提前安排，避免危及生命的紧急事件。在病情可能变得危及生命或终末期的情况下，AI甚至可以根据实验室结果绘制出疾病可能的进展路径，从而更现实地对待治疗和临终规划。”

“我们在研究中有许多患者，”Akbari说。“我们知道他们何时去世。我们可以根据我们的模型确定生存时间。”

影像随访

AI在增强放射学发现的分析方面也显示出巨大潜力——X光、MRI和CT扫描等技术。虽然专家检查仍然至关重要，但AI程序现在提供了越来越复杂的手段来检测即使是经验最丰富的放射学家也可能忽视的细微模式。

例如，一项AI对乳腺X线摄影的分析发现，该程序比人类更有效地检测到早期乳腺癌迹象。Adams讲述了她的朋友兼同事的故事，她的乳腺癌是在住院期间偶然发现的。然而，她从未被告知，癌症最终致命转移。Adams和她的同事们震惊于这个偶然发现被错过了。

他们进一步调查发现，这种事件并不罕见。即使是由放射科医生检测到的发现，也可能由于时间限制而未能引起提供者和患者的注意。

“我们惊讶地发现，近50%至60%的随访被遗漏了，”Adams说。这促使了Inflo Health的任务——减少遗漏的结果并确保适当的随访。

“非关键随访确实需要关注，”Adams强调。“但不属于关键工作流程的发现被扔进了一堆。”

其他程序改进了肺炎和阑尾炎等疾病的检测。

识别新疾病（如COVID-19）的能力也可能通过AI图像检查得到提升。放射科医生可能不熟悉新疾病在影像上的表现。使用AI程序快速识别新疾病进展模式可能有助于诊断。

对显微镜图像的解释也得到了AI的改进，使患者样本中病原体的识别更快。

增加的随访率可能是显著的——Inflo Health与东阿拉巴马医疗中心的合作导致了对肺结节的随访增加了74%，而标记这些发现所需的时间减少了95%。

一项关于主动脉瘤检测的研究发现，使用AI程序的并发症检测增加了80%。虽然这些并发症最终可能会被人类放射科医生发现，但研究表明报告时间减少了63%。其他研究表明，AI辅助的随访安排提高了主动脉瘤并发症的检测率。另一个项目发现，AI增强的工作流显著改善了糖尿病相关眼病患者的随访。

AI程序还可以简化复杂的影像阵列。“AI可以在影像数据中发现人类眼睛看不见的模式和关系。你可以生成一个显示多个MRI序列的地图。所以你不必查看五六个不同的MRI序列，只需看一个，”Akbari说。通过分析大量图像及其伴随的注释，这些程序可以检测早期病理迹象，从而促进更早、更有效的治疗。

这些结果表明，人类和AI之间的协作可能为患者和服务机构带来益处。集成到实际患者护理中是关键。如果AI程序标记了一个问题而没有采取行动，发现就无法付诸实践。Adams坚持认为，当AI程序检测到被忽略的发现时，必须通知患者和提供者。

“我们不仅仅关注数学和AI问题，”她说。“我们关注的是将我们识别的信息整合到临床工作流程中。”

手术和住院随访

一旦诊断和治疗了某种状况，就会出现另一系列问题。除了协调评估进展的预约外，还需要跟踪家庭护理。

术后患者可能会有大量关于如何监测其状况并确保恢复按预期进行的问题。这可能导致患者和提供者之间耗时的电话和电子邮件。患者通常会收到一些难以理解的信息包，指导他们进行恢复。他们可能会遇到这些材料未能充分解释的情况，或者根本没有收到任何指示。

Adams指出了住院随访的挑战。“想想患者进出急诊室的速度有多快，很多时候，最终报告直到患者出院后才回来。这甚至没有给临床团队与患者交谈的机会，”她指出。

专门设计的聊天机器人可能能够处理较简单的问题，并简化一些患者可能难以理解的困难语言。

虽然看似平淡无奇，但AI生成的随访电话确保手术或住院后的预约可能是非常有益的。手术或住院后再次入院是并发症甚至死亡率的指标。这也对医院造成了财务责任。例如，如果某些条件的患者在30天内再次入院，Medicare会减少报销。

让患者遵循护理计划，无论是在家还是在随访检查中，都可以减少再入院事件。手动电话已被证明在这方面是有帮助的，但对双方来说都很耗时。但即使是自动电话和调查也可以促进必要的随访，减少再入院。

然而，必须谨慎设计AI随访系统。虽然它可以提高效率，但一些患者在脆弱状态下可能不愿意将其问题导向自动化系统。一项研究发现，尽管AI管理的外科随访电话在收集数据和处理行政任务方面有用，但只有11%的电话涉及实际的医疗咨询。

这些系统必须设计为识别需要对话和面对面检查的需求，而不是成为障碍。例如，白内障手术随访系统专门过滤常规问题和可能需要额外治疗的担忧。

目前用于日常健康患者监测的技术也可用于监测某些条件的患者。一项研究谨慎乐观地认为，Apple手表可用于监测心脏手术患者的心脏异常。

治疗个性化

这些算法方法带来的自主感和控制感，可能反而具有人性化的效果，使患者感觉更像是参与自身护理的人类，而不是实验对象。

使用AI将单个患者的个人历史和实时数据与一般研究和医疗记录分析相结合，可以使患者和提供者更清楚地了解如何处理其治疗。

医疗专业人员通常没有时间——或意愿——进行复杂的计算以制定最佳护理方案。患者在应对健康问题和大量陌生信息的同时，也很难为自己辩护。

AI可以检测到双方独立无法察觉的模式。一旦这些模式被识别，患者和提供者可以更有效地合作，决定如何继续——无论是调整药物剂量、跟进潜在令人担忧的诊断结果，还是讨论可能影响长期预后的潜在生活方式改变和治疗方案。

“我认为AI的未来在于综合诊断和治疗计划，”Akbari说。“不同专科之间的沟通非常有限。”

“除非将技术与流程和人员结合起来，否则总是会有失败点，”Adams补充道。“我希望看到更多医疗AI供应商专注于整体方法。当医疗AI出现问题时，它会影响到我们所有人。我们需要与临床医生建立信任，唯一的方法是建立学习伙伴关系，我们可以迭代和学习。”

关于作者

Richard Pallardy是一名自由撰稿人，居住在芝加哥。他为Vice、Discover、Science Magazine和Encyclopedia Britannica等出版物撰稿。

(全文结束)