利用人工智能来减少神经科学 ICU 停留时间
Kiran Kittur, Keith Dombrowski, Kevin Salomon
1Morsani College of Medicine, University of South Florida Health, Tampa, Florida.
概括
坦帕总医院使用人工智能驱动的Downgrade Readiness Tile (DRT) 将神经科学重症监护室 (NSICU) 的停留时间减少了7%. 这项技术简化了患者转移,改善了整体医院患者流动和效率.
科学领域:
- 医疗信息学 医疗信息学
- 医疗保健中的人工智能
- 临床运营管理 临床运营管理
背景情况:
- 高效的患者流动对于像坦帕总医院 (TGH) 这样的学术三级护理中心至关重要,每年管理超过5万例出院和3万例手术.
- 在TGH的神经科学重症监护室 (NSICU) 面临的挑战是由于高容量 (超过90%) 和需要及时转移,患者的吞吐量.
- 简化从NSICU转移患者对于保持运营效率和减少停留时间 (LOS) 至关重要.
研究的目的:
- 在GE医疗保健指挥中心 (CareComm) 内实施和评估一个由人工智能 (AI) 驱动的降级准备板 (DRT).
- 为了加快患者从NSICU转移,并减少患者的LOS.
- 通过识别临床降级障碍,提高神经科学服务线的患者流量.
主要方法:
- 一个多学科的ICU LOS减少指导委员会确定了阻止患者从NSICU降级的临床因素和障碍.
- 开发了一个基于人工智能的模型,结合了来自电子病历的76多个临床元素,以评估降级准备.
- 该DRT被配置为在多学科回合 (MDRs) 中提供实时建议,目标是超过95%的准确性.
主要成果:
- 在实施后 (6个月),NSICU经历了7% (约. 8小时) 的LOS减少,从4.15日降至3.88天.
- 平均而言,转账订单是提前3个小时以上的.
- 在24小时内未计划返回ICU的患者数量保持稳定,为3%,这表明对患者安全没有不利影响.
结论:
- 人工智能驱动的DRT成功地集成到传统的跨学科轮,使得加速决策和实时警报患者转移.
- 这种创新方法将传统的ICU吞吐量管理与动态的,技术驱动的洞察力相结合.
- 在NSICU中DRT的成功导致其计划在医疗ICU中实施.
