人工智能能够正确预测住院患者和观察医院出院状态

科学领域:

• 医疗保健信息学 医疗保健信息学
• 人工智能在医学中的应用
• 临床决策支持 临床决策支持

背景情况:

• 准确确定住院患者和观察性出院状态对于适当的患者护理和资源配置至关重要.
• 确定放电状态的传统方法可能是主观的,耗时的.
• 人工智能 (AI) 的整合为实时客观评估提供了一个潜在的解决方案.

研究的目的:

• 评估实时人工智能工具在预测住院患者和观察出院状态方面的准确性.
• 评估一种新的AI护理水平得分 (CLS) 和机器学习概率 (MeL) 在分类患者出院倾向方面的表现.
• 将AI工具的性能与现有的商业选工具进行比较.

主要方法:

• 在贝勒斯科特和怀特医疗中心 - 寺进行了一项回顾性病例控制研究.
• 开发了一个实时人工智能工具,生成护理水平得分 (CLS) 和机器学习概率 (MeL).
• 使用接收器运行特征 (ROC) 曲线,将CLS,MeL和商业选工具的性能与实际排放状态进行比较.

主要成果:

• 人工智能护理水平得分 (CLS) 显示出强大的预测能力住院出院,曲线下的面积 (AUC) 为0.8949.
• 一个CLS值≥76实现了最高的正确分类率86%的住院出院.
• 人工智能的预测性能 (AUC=0.8949) 超过了商业选工具 (AUC=0.8419) 的预测性能.

结论:

• 实时人工智能,特别是CLS,可以准确地预测住院患者在住院早期的出院状态.
• 一个AI CLS得分≥76与一个86%的正确分配到住院出院有关.
• 人工智能驱动的工具在提高排放状态确定的准确性和效率方面表现有前途.