Um modelo de inteligência artificial (IA) melhorou os resultados dos pacientes hospitalizados por trimestre de detecção e taxa de tratamento de diálio. O modelo identifica pacientes com alto risco para a procissão e alerta uma equipe especialmente treinada para avaliar o paciente e criar planos de tratamento, se necessário.
O modelo desenvolvido por pesquisadores da Escola de Medicina Icahan do Mount Sinai foi integrado às atividades hospitalares, uma condição que ajuda a detectar e gerenciar fornecedores de assistência médica, uma condição que pode afetar os pacientes hospitalizados até um terço.
Na pesquisa, a primeira mostrou que um modelo de atribuição de risco levado a IA poderia não apenas ter um bom desempenho em qualquer ambiente de laboratório, mas também forneceu os benefícios do mundo real na prática clínica, como foi publicado em 7 de maio de 2025 em edição on-line. Abra a rede de roupas.
O delirium é uma confusão repentina e séria que traz o risco de risco de vida e geralmente não é detectada em pacientes hospitalizados. Sem tratamento, pode prolongar a localização do hospital, aumentar o risco de morte e pior os resultados a longo prazo. Os investigadores dizem que até agora, os principais modelos de previsão principais de IA lutaram para mostrar uma melhoria clara no atendimento ao paciente.
“A inspiração por trás de nossos estudos em Mount Sinai foi clara. Os atuais modelos de previsão principais com sede em IA ainda não mostraram benefícios do mundo real para o atendimento ao paciente”, o autor de pesquisa sênior Joseph Fredman, MD, professor e professor do Sistema de Saúde Mount Sinai, e professor de neurociência, e o Monte Sinai Sina. “Queríamos alterá -lo criando um modelo que calcula com precisão o risco de concessionário em tempo real e se integra facilmente ao fluxo de trabalho clínico, ajudando a equipe do hospital a capturar e tratar mais pacientes que mais podem ser ignorados”.
Em vez de fazer o modelo de IA isoladamente e depois de examiná -lo no hospital, a equipe de pesquisa trabalhou em estreita colaboração com os funcionários do Monte Sinai Clenecian e do hospital desde o início. Esse método de “integração vertical” foi autorizado a refinar o modelo em tempo real, garantindo que fosse eficaz e prático para uso clínico.
Se implantado no Sinai Mount, o modelo de IA melhorou drasticamente a detecção de Deleerium, como resultado:
Os pacientes aumentam em 400 % dos pacientes que não passam tempo na triagem
Ougid para determinar o seguro, reduzindo o uso de medicamentos potencialmente inapropriados em adultos adultos
Desempenho muito forte e confiável no cenário do hospital no mundo real
Segundo sua pesquisa, mais de 32.000 pacientes admitiram o Hospital Mount Sinai na cidade de Nova York, os pesquisadores usaram o modelo de IA para analisar a combinação de dados estruturais e médicos de registros eletrônicos de saúde. Ele usa aprendizado de máquina para detectar padrões de dados do gráfico relacionados ao alto risco do privilégio de detectar padrões do idioma da equipe do hospital. Como resultado dessa abordagem, a observação da observação de condições mentais sutis nos pacientes que captura as observações daqueles que estão em risco surpreendente ou intenso. Um membro da equipe separado pode ser desconhecido ao escrever uma nota de que suas observações clínicas estão ajudando a melhorar a precisão do modelo de IA.
Significativamente, o modelo foi testado com extenso tratamento e condições cirúrgicas na população de pacientes altamente diferentes–os modelos previstos de risco de concessionário baseados em aprendizado de máquina são muito mais amplos que os grupos estreitos.
O equipamento melhorou significativamente a taxa de detecção mensal de privilégios – 4,4 a 17,2 % – permite a intervenção anterior. Os pacientes identificados também receberam menos doses de medicamentos absorventes, potencialmente reduzem os efeitos colaterais e melhoram os cuidados gerais.
“Nosso modelo não é sobre a substituição de médicos – trata -se de dar uma ferramenta forte para simplificar seu trabalho”, disse Fredman. “Ao levantar pesado com uma grande quantidade de análise de dados do paciente, nossos métodos de aprendizado de máquina permitem que os fornecedores de saúde concentrem suas habilidades no diagnóstico e tratamento de pacientes com mais eficiência e com maior precisão”.
Embora o modelo de IA Mount Sinai tenha fornecido resultados fortes no hospital e os testes estejam em andamento em outros locais do Mount Sinai, a validade exigirá validade em outros sistemas hospitalares para avaliar sua eficácia em vários ambientes.
“Esta pesquisa prova os saltos quânticos que estamos alcançando criando apoio à decisão clínica movida a IA na operação hospitalar.” Para se tornar um sistema de saúde de aprendizado, devemos desenvolver esses equipamentos, implantar, implantar e sutis músicas que foram integradas ao fluxo de trabalho de assistência médica. Anteriormente, descobrimos que o apoio à decisão clínica da IA era lidar com a desnutrição e o desconforto clínico.
