通过移动应用程序对国际功能,残疾和健康分类进行人工智能增强的映射:随机对照试验

科学领域:

• 数字健康与人工智能
• 临床工作流程优化
• 功能评估和康复

背景情况:

• 移动健康 (mHealth) 应用和人工智能 (AI) 越来越多地用于改善临床工作流程和功能评估.
• 国际功能,残疾和健康分类 (ICF) 是评估患者功能的一种标准框架.
• 人工智能驱动的ICF映射工具在常规临床实践中未得到充分利用.

研究的目的:

• 评估MedQuest移动应用程序的效率和准确性,其中包括基于AI的ICF映射.
• 将MedQuest应用程序的性能与传统的纸质评估进行比较.

主要方法:

• 一个随机对照试验, 涉及两家医疗中心的185名成年住院患者.
• 参与者被分配到对照组 (纸质问卷) 或实验组 (MedQuest应用程序).
• 主要结果包括人工智能生成的问卷填写时间和临床医生生成的ICF映射 (二次加权卡帕) 之间的一致性;次要结果涉及人工智能灵敏度/特异性和可用性 (系统可用性量表).

主要成果:

• 在 MedQuest 应用程序组中,完成评估的时间明显更快 (18 分钟与 28 分钟相比,p < 0. 001).
• 在AI和临床医生的ICF映射之间发现了实质性的一致性 (κ = 0. 842),其中80. 6%的准确合格匹配.
• 人工智能表现出高灵敏度 (0. 806) 和特异性 (0. 952),具有出色的医生可用性 (平均SUS得分为86. 8).

结论:

• MedQuest移动应用程序提高了工作流程的效率,并且与临床医生分配的ICF映射有很强的一致性.
• 这些发现支持用于常规临床文档的AI辅助工具的整合.
• 混合人工智能-临床医生模型可以提高准确性,减少繁忙的临床环境中的文档负担.