人工智能和机器学习在紧急医疗 triage 的应用 - - 一个系统的审查

科学领域:

• 紧急医疗 紧急医疗
• 医疗信息学 医疗信息学
• 人工智能的人工智能

背景情况:

• 紧急部门 (ED) 过度拥挤会对效率,患者的治疗结果和资源分配产生负面影响.
• 准确的分类系统对于优先考虑护理和优化EDS资源至关重要.
• 传统的分拣方法往往缺乏现代医疗复杂性所需的精度.

研究的目的:

• 系统地审查人工智能 (AI) 和机器学习 (ML) 在预测急诊室 (ED) 选期间患者的结果中的应用.
• 评估AI和ML的疗效与ED分拣中的传统方法相比.

主要方法:

• 在2023年4月21日,主要的电子数据库 (PubMed/Medline,Cochrane Library,Ovid,Google Scholar) 进行了系统的搜索.
• 包括专注于AI和ML模型的研究,预测ED或医院前环境中的患者结果.
• 主要结果是评估在ED分拣中AI和ML的使用情况.

主要成果:

• 包括17项研究:15项是关于ED分拣中的机器学习,2项是关于在医院前分拣中的AI/ML.
• 机器学习和人工智能方法在分拣,诊断和早期患者管理方面表现出优越于传统的紧急严重性得分.
• 在评估的机器学习方法中,增强模型的有效性略高.

结论:

• 人工智能和机器学习代表了紧急部门运营的未来.
• 这些技术通过有效预测患者的结果和优化管理策略来增强临床决策.
• 这些发现支持AI和ML的整合,以提高ED效率和患者护理.