人工智能在医疗保健领域的现状如何？梅奥诊所的John Halamka和Paul Cerrato博士回答说：“部署为王”。到目前为止，初创公司和老牌公司为医疗保健开发的众多人工智能解决方案的实际应用很少。Halamka和Cerrato写道：“为了使解决方案在卫生系统中发挥作用，它需要符合特定的治理协议，与其it系统集成，并赢得临床医生和管理员的支持，他们将每天使用它。”。
阿巴拉契亚高地领先的医疗保健提供商巴拉德健康公司上个月宣布了这种紧密集成、可工作的人工智能解决方案的一个例子。一年多以来，Ballad Health一直致力于部署MedAware基于人工智能的药物安全监测平台，并将其嵌入Epic电子病历或EMR系统的工作流程中。
MedAware的联合创始人兼首席科学官Gidi Stein表示，对于人工智能健康初创公司来说，“最大的挑战是找到一个有足够耐心的合作伙伴，带领我们完成与大型电子病历（尤其是Epic）的整合。”。MedAware帮助Ballad的药剂师识别患者住院期间与药物相关的伤害的不断变化的风险，为他们提供个性化、针对特定患者的药物相关风险的可见性。
这种时间敏感的观点使巴拉德药剂师能够根据病情的严重程度快速识别高危患者，更好地确定患者护理的优先级，并提高效率。因此，巴拉德健康公司预计，数千名患者将免受药物不良事件的影响。仅在美国，医疗失误每年就可能导致超过25万人死亡。导致药物不良事件的药物错误中约有70%是处方错误。在以色列一家领先医院担任医生时目睹了这些错误，促使Stein推出了MedAware，作为一个数据驱动的患者安全平台。
帮助医生识别潜在风险和药物不良相互作用的广泛使用的决策支持系统遵循基于规则的方法，该方法是在适用于普通人群的特定药物的已知基础上建立的。Stein对MadAware解决方案的想法源于他在金融服务行业观察到的从基于规则到数据驱动的欺诈识别系统的转变：从每次系统发现普遍异常时提醒银行和消费者，到只有在个人数据追踪和特定客户的正常行为出现偏差时才发出警报。斯坦因说：“系统性故障需要系统性的解决方案。”。
现有的药物安全体系在许多方面都失败了，通常涉及医疗保健系统的各个要素。由于它们产生的许多警报都是误报，它们在医生、药剂师和护士中造成了“警报疲劳”，他们往往会忽视这些警报。与此同时，Stein说，“还有许多其他类型的风险是这些基于规则的系统无法检测到的。”此外，他们忽视了Stein所说的“时间维度”，关注与实验室测试和生命体征相关的新风险，以及在开药和配药后到达的其他数据。
相比之下，作为一个全天候监测系统和一个针对患者的、适应性强的工具，MedAware的解决方案“将警报数量减少了90%以上，并提高了其临床准确性和可操作性，”Stein说。MedAware平台不仅实时监测特定患者的当前状况，还了解他们过去的病史，并能够指出未来的潜在风险。MedAware的预测能力最近在哈佛医学院的一项研究中得到了证实。
它使用超过649000份门诊记录验证了MedAware的算法，用于识别有阿片类药物使用障碍或OUD风险的患者。与两位专家意见相比，MedAware解决方案的准确率超过93%。许多患者在服用处方阿片类药物后出现OUD，导致美国每年有7万多人死亡。MedAware可以帮助医生在开阿片类药物处方时做出更好的决定，并在成瘾的早期阶段识别患者。斯坦因说：
“我们识别的患者在这个过程中已经足够早了，我们很有可能将他们从自己身上拯救出来。”。此外，MedAware平台可以用作人群健康工具，筛查大量人群，以确定可能需要进一步评估疑似OUD的人群。MedAware平台的另一个潜在用途——将其人工智能算法添加到医疗设备中——已经通过与巴克斯特国际公司的合作得到了证明。
智能输液泵使用剂量误差减少系统（DERS）通过检查编程剂量与特定于药物的预设限制来帮助防止药物错误。在医院药物库内的所有药物和护理领域制定有意义的DERS限制，并在整个医院的数千台泵中部署所需的更改，是一项具有挑战性的任务，需要详细的分析和大量的资源来维护。Baxter的一项研究分析了10个月内进行的3823367次输注，发现44819个泵编程条目是常见编程模式的异常值。
这些异常值中约有25%是通过MedAware的算法识别出来的，但并没有触发DERS，临床医生也没有收到警报。巴克斯特研究人员表示，这项研究表明，通过使用人工智能构建和维护智能输液药物库，可以动态审查输液并发出可能的输液错误信号，从而提高患者安全性。“这是一个完全不同的应用程序，基于我们开发的相同核心技术，”Stein说。MedAware是三个重大发展的一个很好的例子：
a.医疗保健人工智能解决方案的成功在很大程度上取决于与医疗保健系统现有基础设施和工作实践的整合。B.MedAware将人工智能应用于患者安全的方法表明，在医疗保健和其他领域，从基于规则的解决方案到实现个性化的数据驱动解决方案的整体转变。C.现代人工智能，即分析大量数据的机器学习模型，预示着从大规模服务向针对少数客户甚至个人的定制过渡。