通过预测出院节省高达 $6M

快速阅读: 《医疗保健 IT 新闻》消息，南澳大利亚的莱尔·麦文医院采用“阿德莱德评分”机器学习模型，通过分析生命体征和实验室数据预测患者短期内出院的可能性。该模型帮助医院在28天的试验期内节省约735,708澳元，降低了再入院率并缩短了住院时间。这项技术有望在更多医疗机构推广应用，以解决救护车拥堵和优化出院流程。

预测患者出院的可能性为南澳大利亚的一家医院节省了大量成本。位于阿德莱德的一家主要三级急症护理医院——莱尔·麦文医院应用了一种名为“阿德莱德评分”的机器学习算法模型。该模型由阿德莱德大学的一个合作团队开发，通过分析生命体征和实验室测试数据来预测患者在未来12至24小时内可能出院。它读取过去48小时内的数据，这些数据通过与电子医疗记录（EMR）系统的链接自动收集。研究表明，该人工智能系统于去年4月进行了为期28天的试验，并用于评估18个外科和内科团队住院患者的电子记录。它筛选并排列出可能即将出院的患者。在此期间，医院观察到七天内患者的再入院率降至5%，低于前一年同期的7.1%。同时，住院中位时间缩短至2.9天，而之前为3.1天。研究结果发表在《ANZ外科学杂志》上，表明由于患者入院减少，医院在试验期间节省了大约735,708澳元（约合480,000美元）的费用。

为什么这很重要

在接受《医疗IT新闻》采访时，该研究的第一作者乔舒亚·科沃尔博士表示，“阿德莱德评分”主要是为了解决南澳大利亚的救护车拥堵问题而开发的。南澳大利亚卫生部门数据显示，自2022年以来，救护车平均每月在外科急诊部门外等待3000小时。优化出院流程成为缓解拥挤急诊室的关键。然而，这一过程也繁琐且耗时；它涉及组织交通、出院药物、伤口处理计划以及后续预约。这就是“阿德莱德评分”发挥作用的地方。它减少了浏览电子记录以寻找接近出院的患者所需的时间。因此，科沃尔博士认为，在临床环境中应用它可以“使患者在医院停留的时间更少，并且在出院后需要较少的再入院，从而节省成本”。

“阿德莱德评分”可应用于任何收集生命体征和实验室参数作为常规临床实践的医疗机构。它还有潜力在许多自动将数据链接到EMR系统的临床系统中实施。在莱尔·麦文医院进行试验后，“阿德莱德评分”正在考虑在澳大利亚东部各州进行潜在实施。研究团队也在探索国际合作的机会。阿德莱德大学副教授、阿德莱德评分研究的高级作者斯蒂芬·巴凯博士表示，他们还在与关键利益相关方讨论未来扩展事宜。

更大的趋势

除了远程医疗或虚拟护理服务，南澳大利亚政府还实施了专门面向成人、儿童和老年人的免费远程医疗服务。还推出了一项全天候远程健康监测服务，为偏远和农村社区提供服务。

(以上内容均由Ai生成)