优化临床决策支持的路线图

本报告基于2020年1月16日由Health Catalyst首席技术官Dale Sanders和Stanson Health首席执行官、医学博士、公共卫生硕士Sc世界杯葡萄牙vs加纳即时走地ott Weingarten主持的网络研讨会，主题为“临床决策支持:驾驶最后一英里”。

医疗保健以外的行业正在通过人工智能(AI)支持的决策支持推动创新的极限。然而，在如何在临床决策支持(CDS)中利用人工智能帮助临床医生做出更有效的、基于数据的决策方面，医疗保健行业落后于其他行业。健康数据的数量和质量并不总是足以支持知情的决策，行业需要围绕如何使用决策支持发展概念。

EHR的采用通过将患者信息传递给护理点的临床医生，为CDS提供了基础。现在，医疗保健需要一个构建在EHR基础上的框架，以帮助临床医生和患者从有意义的、精确的决策支持中受益。通过将自上世纪90年代以来高度数字化的汽车和航空航天部门作为技术和文化上决策支持创新的榜样，医疗保健可以为CDS创造一条途径，利用现有技术(如人工智能)来追求改善结果和降低成本。

改进临床决策支持:汽车和航空航天模型的经验教训

继航空航天和汽车领域之后，医疗保健行业可以学习提高CDS能力的关键经验:

#1:实现广泛的数字化

医疗保健必须将其资产和业务数字化，以实现有效的CDS。例如，航空航天将飞机、空中交通管制、行李处理、票务、维护和制造数字化。相应地，医疗保健需要对患者注册、安排、会诊、诊断、订单、账单和索赔进行数字化。

#2:构建数据量和范围

根据一项纸从IEEE在美国，简单的AI模型和大量的数据胜过基于较少数据的更复杂的模型。正如汽车行业所证明的那样，车辆健康监测依赖于数据密集的环境。以特斯拉为例7.8亿年英里的驾驶数据，每10小时增加100万英里。这家汽车制造商利用这些数字化资产来延长汽车的寿命、质量和安全性。

而医疗大数据预计到2025年，数据量将超过其他部门的数据增长，有效的CDS需要更高质量的数据。要真正了解处于人类健康数据生态系统中心的患者，医疗保健必须收集社会经济、基因组、患者报告的结果、索赔数据等。目前，该行业只收集寻求治疗的患者的数据，而不收集不寻求治疗的患者的数据。将所有数据类别放在战略数据获取的时间表上，为未来5到10年的行业创建了路线图，以增加对患者理解的精确度。

与此同时，医疗保健需要确保其不断增长的数据量的质量。研究强调了对数据质量的担忧，包括可怜的疾病标记的差异观察临床医生的行为和EHR文件，还有问题随机临床试验结论。

开发临床分析能力的决策支持模型

培养有效决策的临床分析能力发生在三个封闭循环:顶部的循环是关于人群的决策，中间的循环是我们关于协议的决策，最后的循环是关于患者的决策(图1)。从影响数百万人的人口健康决策到影响一般人群子集的公共卫生设置，一直到患者层面，CDS的三个闭合循环概述了针对特定患者的特定协议。

优化临床决策支持:使用数字双胞胎实现模式识别

为了实现CDS的三个闭环，医疗保健可以采用数字双胞胎的概念，并更好地利用AI来改进模式识别——使用AI的力量来揭示人类大脑无法看到的数据模式——而不是使用AI进行预测。图2显示了三种适用的模式:

1. 这样的病人。
2. 接受这种治疗的病人。
3. 有这样结果的病人。

更大、更好的健康数据路线图

借鉴汽车和航空航天工业的进步，卫生系统显然需要增加其网络中每个成员的数据。这包括增加可穿戴创新的数据收集，比如微米薄，无线传感器嵌入薄片，皮肤一样的补丁。

收集更多健康数据的需求和能力将让位给一种新型技能——“数字化专家”，他坐在病人、医生和护理团队之间，开发病人类型的数字化档案。例如，糖尿病患者的数字轮廓应该与接受脊柱手术的患者不同。数字化人员将定义不同的患者数据配置文件，然后与患者和护理团队一起收集和分析数据，并为整个护理团队确定行动。

医疗保健可以做得更好

按照实现更大、更好的健康数据和改进的CDS的路线图，医疗保健可以更好地优化，将关键见解应用于实践。据美国国家医学院(National Academy of Medicine)称，从发现可能挽救生命的信息到将其广泛应用到实践中，有17年的时间。缩小这一差距需要成为整个行业的优先事项。此外，还有一些研究新英格兰医学杂志发现只有50%的病人得到了与证据相符的治疗。

加上这个等式的研究《美国医学会杂志》显示大约三分之一的医疗保健成本是浪费，10%的医疗保健是过度治疗，在这种情况下，弊大于利。基于这些发现，我们有足够的机会进行改进。

临床决策支持将如何帮助医疗保健满足当今的数字化标准

好消息是，随着对医学研究的大量投资，医疗保健信息正在扩大。评估倍增时间从1950年的约50年增加到2020年的73天。

然而，随着数据的增长，提供者将需要正确的技术(例如，基于云的平台)来吸收和管理所有可以使患者受益的信息，并利用这些信息来治疗CDS。世界杯厄瓜多尔vs塞内加尔波胆预测为确定使用不断增加的医疗保健数据的有效方法，a犹他大学的研究回顾了以前发表的关于旨在提高护理质量的干预措施的研究。研究得出的结论是，当一个组织将CDS作为其工作流程的一部分时，它改善护理的可能性是不提供CDS的112倍。

优化的临床决策支持可以改善结果:现实世界的例子

通过优化CDS，卫生系统正在改善患者的预后并降低成本。卫生系统可以设计命令集和偏好列表，以促进正确的行动和阻止错误的行动。例如，使用战略订单集和偏好列表，雪松西奈每年节省约370万美元，死亡率没有变化，使用快速反应小组或蓝色代码，同时保持高质量水平。

卫生系统还可以实施CDS，以加速证据或将证据转化为实践。一个2019研究研究表明，具有高抗胆碱能特性的抗抑郁药和抗精神病药在服用三年后，患痴呆症的风险会增加50%。其中一些抗抑郁药和抗精神病药出现在订单集和偏好列表中，尽管抗抑郁药和抗精神病药的抗胆碱能效应较小。这为减少可预防的痴呆症和改善社区健康以及与痴呆症相关的负担和发病率提供了机会。

创新增加临床决策支持的影响

随着CDS和整个医疗保健IT能力的发展，可以更好地利用AI，该行业可以预期增加的数据输入(例如，无线传感器)，包括患者偏好、健康的社会决定因素、遗传信息、蛋白质组信息、微生物组信息和精确医疗，从而更好地指导什么对患者有利，什么对患者不利。此外，人们还在努力利用语音识别使电子病历更加可用。此外，许多公司正在研究环境监听设备和虚拟助手，以监听医患之间的对话，结构化信息，并使信息不仅能指导医疗保健提供者，还能指导家中的患者。

决策支持角色模型为改进设定一个由两部分组成的路径

如果医疗保健行业从汽车和航空航天行业寻找有能力的决策支持角色模型，它可以为更有能力的CDS识别出两个基本部分:增加数字化和更多的数据量和范围。通过构建这两种资产，并在数据管理和决策中更好地利用AI，医疗保健可以实现CDS，对患者和整个医疗服务提供系统产生积极影响。

更多的阅读

你想了解更多关于这个主题的信息吗?以下是我们推荐的一些文章:

1. 临床用户有意义的机器学习可视化:一个框架
2. 人工智能辅助决策:医疗保健的下一个前沿
3. 世界杯葡萄牙vs加纳即时走地^®介绍闭环分析™服务
4. 医疗保健数据素养:成为数据驱动型组织的必备条件
5. 急诊科质量改进:转变护理提供

---

幻灯片

您愿意使用或分享这些概念吗?下载突出重点的演示文稿。

请按此下载幻灯片

优化临床决策支持的路线图从世界杯葡萄牙vs加纳即时走地