实现大规模临床医生采用人工智能支持的决策支持

科学领域:

• 医疗信息学 医疗信息学
• 医疗保健中的人工智能
• 临床决策支持系统 临床决策支持系统

背景情况:

• 计算机化决策支持 (CDS) 工具利用人工智能 (AI) 和机器学习 (ML) 来增强在护理点的临床决策.
• 尽管有许多AI/ML模型和监管批准,但在常规临床实践中广泛采用仍然有限.
• 系统准备,投资和临床医生接受等因素对这些技术的采用产生重大影响.

研究的目的:

• 确定阻碍AI/ML支持的CDS工具在临床实践中大规模采用的障碍.
• 提出一个原则和战略支持者的框架,以促进临床医生接受这些先进的工具.
• 为了促进AI/ML驱动的CDS在常规医疗保健环境中的整合.

主要方法:

• 在CDS工具中对AI/ML现有文献的审查及其临床实施.
• 分析导致医疗信息技术的有限普及的因素.
• 基于已识别的障碍物和临床医生接受的支持者提出的战略方法的开发.

主要成果:

• 该研究确定了临床医生的矛盾性是广泛采用AI/ML支持的CDS工具的重大障碍.
• 系统准备和投资不足也被认为是缓慢实施的因素.
• 为应对这些挑战,提出了一系列原则和战略推动因素.

结论:

• 广泛的临床医生接受对于成功将AI/ML支持的CDS工具集成到医疗保健中至关重要.
• 解决临床医生的担忧和展示价值对于克服采用障碍至关重要.
• 专注于用户需求和系统集成的战略实施可以促进AI/ML在临床决策支持中的有效使用.