Использование искусственного интеллекта и LLM для устранения критических пробелов в данных о пациентах и ​​трансформации оценки рисков для пациентов в отделениях интенсивной терапии

Само собой разумеется, что искусственный интеллект (ИИ) продолжает доминировать во многих дискуссиях о технологиях здравоохранения. Больницы продолжают сталкиваться с одними из самых сложных проблем за всю историю: от нехватки рабочей силы и выгорания врачей и персонала до самых жестких операционных бюджетов за всю историю. Потенциал использования технологий искусственного интеллекта для решения этих проблем является многообещающим.

И поскольку эти разговоры продолжают развиваться, согласно Отчет NVIDIA о состоянии искусственного интеллекта в здравоохранении в 2025 годуМодели больших языков (LLM) сейчас входят в тройку самых популярных рабочих нагрузок ИИ в здравоохранении: их активно используют 53% организаций. Поддержка клинических решений — один из наиболее быстро растущих вариантов использования, и 83% руководителей здравоохранения считают, что ИИ произведет революцию в оказании медицинской помощи в течение следующих пяти лет.

В этой статье описывается один из менее обсуждаемых способов использования ИИ для решения проблем, с которыми сталкиваются врачи, связанных с фрагментарностью данных и ограниченной видимостью быстро меняющихся состояний пациентов, особенно в таких средах, как отделение интенсивной терапии (ОИТ). Это особенно неприятно для наиболее хрупких и уязвимых пациентов, поскольку пробелы в физиологических данных могут препятствовать своевременному оказанию жизненно важных мер. Это давняя проблема, которая сегодня решается по-новому – благодаря возможности использовать возможности искусственного интеллекта и LLM для получения значимых клинических идей на основе фрагментированных данных.

Сложная экосистема

Попасть в отделение интенсивной терапии означает быть засыпанным постоянными сигналами тревоги и звуковыми сигналами со всех сторон, требующими немедленного внимания. Повсюду мониторы, медицинские приборы, провода и трубки. Пациенты здесь настолько тяжело больны, что не могут говорить и полагаются на круглосуточную помощь, которая бдительно следит даже за малейшими изменениями в их состоянии, которые могут указывать на ухудшение. Спросите любого врача отделения интенсивной терапии, и он скажет вам, что это действительно сложная, уникальная экосистема и, возможно, самая подавляющая, требовательная и высокострессовая работа в больнице даже для самых опытных врачей и медсестер.

Более того, они по-прежнему преодолевают те же препятствия, с которыми сталкивается остальная часть больницы: выгоревший персонал, нехватка ресурсов и многое другое.

Устранение пробелов

Одно конкретное препятствие, не уникальное для отделения интенсивной терапии, но может быть особенно сложным для него, связано с тем, как обращаться с фрагментированными данными в таких областях, как, помимо прочего, электронные медицинские карты (ЭМК). К счастью, эта задача хорошо подходит для решения ИИ и LLM. Хотя EHR отлично справляется с отслеживанием базовой информации, такой как лекарства, входные и выходные данные, а также ключевые жизненно важные показатели, ей не хватает возможности предоставлять в реальном времени полезную информацию, которая помогла бы идентифицировать пациентов, у которых есть изменения в их состоянии, но также и динамически сообщать о рисках для пациентов.

Состояние пациентов в критическом состоянии может измениться в мгновение ока, и медицинским бригадам сложно внимательно следить за всеми пациентами в отделении интенсивной терапии и определять, на какой стадии ухудшения они могут находиться. Решения о лечении часто приходится принимать очень быстро, и неправильное лечение в неподходящее время может привести к летальному исходу.

Именно здесь на помощь приходят искусственный интеллект и LLM, способные предоставить полную картину о пациенте, обеспечивая платформенные решения, которые используют алгоритмы и агрегированные потоки данных об их конкретных состояниях, а затем постоянно извлекают уроки из других входных данных, чтобы обеспечить четкую и точную оценку риска. Эта оценка контекста и риска для каждого пациента дает врачам рекомендации по оказанию правильной индивидуальной помощи в нужное время для предотвращения опасных для жизни состояний, которые часто возникают в отделениях интенсивной терапии, включая кардиогенный шок, дыхательную недостаточность, острый респираторный дистресс-синдром и сепсис. С другой стороны, эта информация не только указывает на ухудшение состояния пациента, но также может давать сигналы и уведомления, когда состояние пациента движется в положительном направлении. Это чрезвычайно полезно, поскольку надлежащее снижение эскалации помощи может привести к тому, что пациенты откажутся от некоторых лекарств высокого риска и уменьшат количество времени, которое им необходимо фактически находиться в отделении интенсивной терапии. Это не только полезно для пациента, но также освобождает необходимые койки и способствует сдерживанию затрат и ресурсов.

Поскольку эти платформы обеспечивают общебольничное наблюдение за ключевыми группами пациентов, за теми, кто находится в группе риска, можно постоянно наблюдать, независимо от того, где они находятся, без необходимости, чтобы сотрудник физически находился рядом с ними. Это оказывает существенное положительное влияние на эффективность, тем самым уменьшая нагрузку на персонал отделения интенсивной терапии.

В дополнение к этим преимуществам больницы также используют эту технологию для обеспечения надлежащего соблюдения больничных протоколов и общеотраслевых клинических рекомендаций. Кроме того, предоставленные данные и полученная информация помогают больницам выявлять и устранять пробелы в медицинской помощи и системные проблемы, чтобы они могли постоянно совершенствовать протоколы и обучение персонала на основе реальных, действенных данных. Это дает возможность построить настоящую обучающуюся систему здравоохранения.

Там, чтобы поддерживать, а не заменять

Несмотря на первоначально широко распространенное нежелание врачей использовать ИИ в своем рабочем процессе, их комфорт растет. В феврале 2025 года Американская медицинская ассоциация (АМА) опубликовала новый данные отслеживание настроений врачей с 2023 по 2024 год. Результаты показали, что отношение к искусственному интеллекту в здравоохранении меняется. Их опрос показал:

• 68% врачей, опрошенных в 2024 году, указали, что видят хоть какие-то преимущества в использовании инструментов искусственного интеллекта (немного больше, чем 63% в 2023 году).
• 36% врачей сообщили, что чувствуют больше волнения, чем беспокойства по поводу ИИ (по сравнению с 30% в 2023 году).
• Две трети врачей, опрошенных в 2024 году, указали, что в настоящее время используют ИИ в своей практике, что значительно больше, чем 38% в 2023 году.

Мне нравится думать об ИИ в том смысле, в котором мы его здесь обсуждаем, как о виртуальном помощнике. Это инструмент, который оказывает поддержку поставщикам медицинских услуг, который всегда работает, всегда помогает и никогда не устает. Оно может легко интегрироваться в уже существующие рабочие процессы и оптимизировать координацию ухода и коммуникацию. Потому что, в конце концов, это инструмент, который обеспечивает повышенную осведомленность о ситуации и возвращает врачей к тому, что они делают лучше всего: использованию всех соответствующих знаний и информации, а также своих экспертных клинических знаний и суждений у постели больного, чтобы принять наилучшее решение для пациента.

Взгляд в будущее

Те из нас, кто является частью экосистемы здравоохранения, обязаны внести свой вклад в поиск способов улучшения результатов лечения пациентов и снижения затрат на здравоохранение. Зачастую это означает постоянный поиск лучших и более эффективных способов решения проблем, использование наиболее оптимальных инструментов и данных, имеющихся в нашем распоряжении. И на данный момент, и в обозримом будущем это означает поиск подходящих вариантов использования возможностей ИИ и LLM там, где это наиболее целесообразно.

Все большее число больниц во всем мире с большим успехом внедряет решения на базе искусственного интеллекта, которые интегрируются с их электронными медицинскими картами, наблюдая улучшение результатов лечения пациентов и сокращение времени восстановления, предотвращение осложнений, снижение нагрузки на первую линию в отделениях интенсивной терапии и экономию средств за счет сокращения продолжительности пребывания и повторных госпитализаций, и мы можем только ожидать, что эта тенденция продолжится.

Фото: Адриан Хиллман, Getty Images

Это сообщение появляется через Влиятельные лица MedCity программа. Любой может опубликовать свой взгляд на бизнес и инновации в здравоохранении в MedCity News через влиятельных лиц MedCity. Нажмите здесь, чтобы узнать, как.