人工智能驱动的电子健康记录筛查系统在住院成人阿片类药物使用障碍风险识别中的临床应用
为解决住院患者阿片类药物使用障碍(OUD)筛查不足的问题，研究人员开发了基于卷积神经网络(CNN)的AI筛查系统，嵌入电子健康记录(EHR)实现实时分析。这项前后准实验研究表明，AI筛查器在促成成瘾医学咨询方面不劣于常规护理(1.35% vs 1.51%，P0.001)，同时显著降低30天再入院率(OR=0.53，P=0.02)，每次避免再入院的增量成本为6801美元，为OUD管理提供了可扩展的解决方案。
阿片类药物使用障碍(OUD)患者面临更高的并发症风险和反复住院风险。目前许多医院尚未将OUD风险筛查纳入常规实践，错失了干预良机。随着电子健康记录(EHR)的普及和人工智能(AI)技术的发展，研究人员开发了一套基于卷积神经网络(CNN)的AI筛查系统，可实时分析EHR记录，识别高风险患者并推荐会诊。这项前后准实验研究评估了该AI筛查系统在促成成瘾医学会诊方面是否不劣于常规护理。主要终点是完成成瘾医学专家会诊的患者比例，包括门诊治疗转介、复杂戒断管理、OUD药物管理和减害服务等干预措施。研究分为16个月干预期和8个月干预后期，结果显示两组会诊率无显著差异(1.35% vs 1.51%，P0.001)，但AI筛查显著降低了30天再入院风险(OR=0.53，95%CI:0.30-0.91，P=0.02)，每次避免再入院的增量成本为6801美元。该研究表明AI驱动的EHR筛查系统可作为OUD管理的可扩展解决方案，兼具临床效益和成本效益。