A每当医生提到人工智能（AI）时，都会引起各种反应，包括不适，厌恶和不信任，有时是一次。因为在任何医疗保健环境中提到AI时，我的反应都是充满希望，充满希望甚至是头晕的，所以我在急诊医学职业开始时就没有准备好这些情绪。

即使有 正确理解，在医疗保健领域对AI的批评反映了持续的不信任。对医学研究的不信任并非人工智能独有。此外，人工智能并不能保证成为我们许多问题的灵丹妙药。但是，人工智能是一种工具，通过它我们可以查看已经收集的数据，并可能得出更有意义的结论。 

甚至大多数专家都同意，人工智能无法预测人类无法做到的任何事情。那么为什么AI会更好呢？ 

人工智能给医学带来的两个主要优势与减少错误和通过减少低效率提高财务可持续性有关。

医学很难改变。当涉及新技术时，尤其如此。我认为，在未来20年中，医疗保健领域的AI可能会成为我们在医学上看到的最具有破坏性的变化。如果急诊医师继续忽略它，那将会是一个改变 给我们 并损害我们的患者和我们的实践。取而代之的是，我们应该拥抱人工智能，以便它带来的变化是我们自己和我们自己的。  

新兴市场的人工智能

当前，有1000多家公司将AI集成到医疗保健的各个方面。去年，风险投资在这个领域的投资超过40亿美元。预计今年这些数字将增加，这反映出由于解决卫生保健系统普遍存在的效率低下而带来的预期未来节省额。众所周知，美国医疗保健提供链中几乎每个环节都存在效率低下的问题。 

让我们探讨五个不同类别的新颖项目，这些项目对我们的急诊医学实践将产生重大影响。

1.信息收集与处理： 智能设备已经在为患者收集和解释信息，包括从专业运动员的心电图带到智能手表上的心脏监护仪的所有信息。有诸如起搏器和动态心电图监测器之类的“医疗级”智能设备，它们可以跟踪心率，标记其所见并发送警报。到现在为止，我们都已经看到或听到有关患者因收到警报或从这些设备发现异常而寻求医学评估的信息。现在，不仅可穿戴设备进入了医院。除了遥测监控设备外，我们很快还会将其他设备连接到我们的患者身上，以分析（从字面上看）他们的输出。例如，Potrero的床边Foley设备可自动检测尿液排出量异常，以及早发现ICU患者的急性肾损伤。它已经在亚特兰大的格雷迪医院进行了测试。在我们眼中的COVID-19，远程监控任何事物的价值主张已经飞涨。想想所有节省的个人防护设备以及降低的员工风险。 

2.医疗决策： 并非医疗保健中AI的所有内容都来自营利性供应商。斯坦福大学和杜克大学的研究人员完成了对3,000多名患者的研究，表明他们的AI算法检测肺栓塞的能力非常有效。从准确性的角度来看，它甚至可能是现有的最佳算法。他们的模型评估了750多种不同变量，包括药物，人口统计学，生命体征以及个人之前就诊的所有数据（见图1）。作为患者，您将选择哪种算法来决定是否应该获取CT血管造影照片？在这种情况下，准确性仅为80％。仍然比其他算法（约70％）高，但仍有一些回旋余地。我的预测和希望：败血症会在下吗？

肺栓塞（PE）预测管道概述，肺栓塞结果预测模型（PERFORM） （点击图片放大）
CC-BY许可证。 ©Banerjee I等。 JAMA网络公开赛。 2019; 2（8）：e1987198。

直接患者护理算法也包括在此类别中。例如，CLEW是一个平台，可分析来自重症患者的数据，以提供动态工作清单，以优化患者在以下指标上的结果：静脉血栓栓塞预防，肺保护性通气，压力性溃疡预防，输血和加速机械通气断奶和解放。 

3.沟通： 您准备好听一听AI初创公司的技术已被批准用于Medicare报销吗？ Viz.ai在头部CT / CTA上检测到大血管闭塞（LVO）。它被集成到成像软件中，并且可以在收集图像时看到它们。如果检测到LVO，它将向患者的所有当前和将来的护理人员发送一条消息，从ED护理到可能执行手术的神经介入专家。换句话说，下游护理人员可能会在看患者之前自动收到有关患者的短信，具体取决于您中心的中风工作流程。知道这一点，您对采用Viz.ai的中心看到的干预量增加50％感到惊讶吗？ 

关于该技术，与经验丰富的神经放射科医生相比，Viz.ai算法具有很高的灵敏度（尽管中等程度的特异性），总体精度约为80％。这意味着它捕获了几乎所有的LVO，然后捕获了一些。然后将所有情况直接提交给神经介入专家。就是说，一些人甚至对轻度卒中症状（NIH卒中量表≤5）的血管内介入治疗均优于最佳药物治疗的证据，这些人正在评估Viz.ai算法的有效性。利益冲突，有人吗？同一个人还争辩说，ASPECTS是一种放射学评分系统，可以从非对比头CT中确定LVO，其性能 更好 比头颈部CT血管造影确定重要和可介入LVO的存在。 Viz.ai评估无对比CT和CT血管造影照片。 

输入Medicare。 Viz.ai的技术已获得美国食品药品监督管理局（FDA）的批准，并且在2020年8月做出的一个里程碑式决定中，Medicare现在对其进行补偿。有趣的是，只有当您的中心是 不 目前受益于更多干预措施带来的收入增加。因此，对于那些因中风而失去收入的社区医院来说，这基本上是一项安慰奖，而这些医院以前从未接受过此类患者的转诊（或直接治疗）。当然，凝块回收并非没有风险。希望增加这些程序将为患者带来的好处多于伤害。

放射学和病理学的其他初创企业正在对其他成像和标本评估及其对医疗决策的影响进行临床分析。但是，与笔画一样，验证研究通常由拥有股票或有资格从AI技术中获得财务收益的研究人员完成。这是否一定会否定该技术的有效性？否。我们是否需要更好的验证研究标准？绝对。  

4.帐单： 虽然不是直接的患者护理的一部分，但现在应该讨论AI在医疗计费中的无数应用。一般而言，计费是我们急诊医学实践中最被忽视和讨论不足的决定因素。报销方式的改变会改变我们的做法。可以说，人工智能是由于与医疗账单相关的原因而首次引入医疗保健领域的，这是有道理的，因为收益优势易于衡量并且可以立即实现和确认。例如，自然语言处理用于扫描图表以查找我们忘记包含的诊断，添加我们忘记记录的程序以及添加缺少的信息以证明我们使用的计费代码的合理性。人工智能还被用来更好地理解拒绝保险的情况，并确定可能公平增加收入的战略领域。 

在为自己的“服务”计费方面，人工智能初创企业正在获得FDA批准的成功。医保报销是自然而然的下一步。例如，Digital Diagnostics推出了一种称为IDx-DR的技术，该技术可以检测主要由糖尿病引起的视网膜病变。它的技术在国际上以低成本使用，并且已证明对糖尿病性视网膜病的早期发现有帮助。另一个示例：Caption Health获得了FDA的批准，以部署Caption Guidance，该指南用于帮助超声操作者捕获高质量的心脏超声图像。已对以前未经培训的护士进行了测试。发现这些护理人员能够使用此技术捕获高质量的图像。这两种技术都可以轻松合法地应用于我们的工作流程中。实际上，唯一阻止广泛采用的因素可能是经济学（即计费）。根据上述报销模型，现在可以认为AI医疗保险报销的闸门是开放的。开始了解AI如何改变诊断算法只是时间问题。

5.流程改进： 想象一下，人员编制建议的更改是通过算法而不是管理进行的。现实情况是，这已经发生了，不仅限于医师，医师助手和护士。 人工智能 算法也被用来为急诊科的护士配备提出建议。这是一件好事，还是解决我们人手不足问题的答案？是!不幸的是，现在正相反。要实施任何技术，必须进行成本效益分析。如果人员配置算法有望节省系统成本，那么一种简单的方法是减少时间，而不是增加时间。就是说，学术文献中已经描述了有关为急诊部门配备人员的预测模型的研究。甚至有一些算法考虑了患者数量的激增。

使用AI进行流程优化的其他领域包括患者流程，协议启动以及几乎所有基于计算机的任务。名为Olive的平台被设计为医疗保健机器人或“数字员工”。它为许多部门的医院员工提供帮助，包括收入周期，供应链，信息技术，人力资源，财务，会计，药房运营和临床运营。 Olive会根据其到目前为止对用户的了解，及时弹出其“认为”有用的信息。一个例子是患者信息验证。

结论

有许多步骤需要采取，以便我们的医师继续在自己的实践中发挥作用。 人工智能 并不是要让步；是要收回它。我们需要与研究人员，供应商，管理人员，保险公司和监管机构合作，以便听到我们作为医生的声音。我们需要为患者和同事提倡。 

忽略AI不是答案。我们需要拥抱AI，并使其满足我们的需求。无论有没有我们都在做出决定。我们都希望能成为决定医疗保健未来的餐桌。让我们做得更好：让我们成为这些对话的中心。

加尔格博士 是 康涅狄格州新伦敦劳伦斯纪念医院的一名急诊执业医师。她还喜欢在一些健康技术项目上工作，并且今年正在研究获得生活方式医学的董事会认证。