10月2019

有意义的检测
Selena Chavis著
郑重声明
第三十一卷第九页

医疗机构越来越希望通过预测分析和数据科学来改善患者的治疗效果。

预测病人疾病状态的未来是任何医疗机构的愿望。由于当前的医疗保健运动继续提高对“价值”和绩效的赌注，行业领导者正在转向承诺提供前所未有的大量数据，以便在可避免的问题之前采取措施。

值得注意的是，一些组织开始利用其电子病历投资中的数据力量，以触发对病情恶化的患者的快速和积极的临床反应。败血症的防治就是一个典型的例子。近年来，败血症受到了监管部门的高度关注，并可能极大地影响报销率。利用基于电子病历的数据，耶鲁纽黑文医疗系统能够通过主动使用视力评分算法将住院死亡率降低20%至30%，特别是败血症。

Dimensional Insight负责医疗保健解决方案的副总裁乔治•迪利(George Dealy)表示，与败血症检测相关的成功案例还有很多。他说，败血症检测算法的发展是用于早期预警检测的较为成熟的协议之一。

“最初的方案主要来自于传统的评估结果证据的方法。但部署起来很有挑战性，因为代偿行动非常迅速，而且迹象很微妙。”“电子病历是将协议纳入护理过程并使其自动化以增加早期发现可能性的理想平台。这种方法还可以提供信息，用于进一步完善EHR之外的协议和算法使用工具。”

Spyglass咨询集团董事总经理格雷格·马尔卡里(Gregg Malkary)指出，临床监测解决方案为许多早期检测策略提供了动力。他指出:“这些解决方案正在整个医院的各种护理环境中实施，包括手术室、重症监护、医疗急救和遥测。”他补充说，医疗保健领导者正在使用这些分析方案来提高法规遵从性，并最大限度地减少与医院获得性疾病相关的影响。beplay最新备用网站“至少在我们调查的医院中，现有的部署正在利用他们数百万美元的电子病历投资。这是一个起点——早期预警风险评分和败血症检测。”

杜克大学鲁宾斯坦研究员Eric Perakslis博士认为，尽管预测分析的发展“有很多令人兴奋的理由”，但该行业仍处于实现其潜力的初级阶段。他指出，医疗机构必须达到一定程度的数据成熟度，这样他们才能依靠分析。

“归根结底，今天的大多数医疗机构甚至都不会计算。你必须先数数，”Perakslis说。“如果你没有测量过一个系统，你就无法改变它。我认为你必须把基础做好，然后衡量和回应。有了像脓毒症模型这样的东西，我希望我们能看到真正的质量衡量标准，机构开始在许多不同的标准上表现出色。例如，手术后急诊室的再入院率大幅下降，脓毒症事件的数量大幅下降，医院传播感染的数量大幅下降。这些都是可以衡量的。”

预测分析:行业现状
any Pang Yuen, RHIA, CCS, CCDS, CDIP是AP咨询公司的顾问，他认为，就预测分析的进步而言，该行业正在触及表面，即通过数据挖掘来识别特定模式并预测未来结果的实践。

她解释说:“供应商正在推广使用多种类型的数据，从临床、人口统计、地理、医疗索赔、药房索赔等，以产生这些预测结果。”她补充说，预测分析的使用范围从预测患者的护理计划和选择性手术后的护理过渡到解决手术室瓶颈等问题。

Perakslis指出，为这些计划提供动力的数据始于电子病历，虽然这些基础设施是强大的信息库，但它们有其局限性。为了提供早期检测系统所需的可操作的见解，他们必须依靠算法、监控解决方案和其他应用程序来创建发展到数据科学水平的见解。

“这很老套，但电子病历的设计确实是基于计费系统的。Perakslis说:“那些充分利用他们的电子病历的供应商将其与其他功能(地图、工具、算法)结合在一起，使他们能够利用电子病历中的数据，而不会陷入处理电子病历技术简单结构的陷阱和困难。”

Malkary指出，虽然一些电子病历提供了最佳实践警报、决策支持工具、预定义订单集和回顾性分析工具，但它们仍然受到数据进入电子病历通常需要较长时间的限制。“可能需要三到四个小时。因此，这是回顾性数据，而你真正需要的是实时访问数据，”他说。“如果我能直接从生物医学设备上获取数据，而且我有多个数据来源，我就能更好地了解病人的状况，以及他们是否会恶化。但如果花了我几个小时，病人可能已经被确诊为败血症，我们本可以阻止这种情况的发生。”

Malkary补充说，从分析的角度来看，电子病历并不是“同类中最好的”。事实上，他指出，在Spyglass最近的一份关于临床监测的报告中获得的反馈表明，许多电子病历算法至少有十年的历史。“随着时间的推移，这种情况将会改变。目前，(电子病历供应商)正在做的是试图让学术界为他们做研究，并改进算法，特别是在败血症方面，”他指出。“问题是，许多这些组织正在并行运行三到四个不同的供应商算法。他们为什么要这么做?因为他们没有人对数据有信心。”

根据迪利的说法，高质量的数据是早期检测系统和预测分析成功的关键，他说，起点是将不同的信息标准化，以建立单一的事实来源。否则，驱动这些程序的信息是不准确或不完整的。

“数据必须可靠。在过去的十年里，有一件事对我们有所帮助，那就是临床数据的标准化。在有意义的使用时代之前，每个EHR对[数据元素]的定义都不同，”他解释说，并指出几乎不可能用一个it标准汇总所有必要的数据。“因此，有意义使用计划要求电子病历标准化或使用可用的、可接受的临床信息标准，如SNOMED CT、RxNorm和LOINC。”

Yuen说，虽然标准化是质量数据的一个组成部分，但信息必须从一开始就准确。“在我看来，总是存在数据不可靠的风险，因为它们依赖于所提供的初始数据的准确性。当谈到数据分析的使用时，我喜欢说‘垃圾进，垃圾出’。”

以提交了不正确的ICD-10特定诊断代码的医疗索赔为例。Yuen说:“如果患者在门诊进行痣切除并排除黑色素瘤，而编码员错误地将排除黑色素瘤作为诊断并错误地提交索赔，那么患者将根据该索赔提交不准确的临床资料。”

展望未来，Malkary认为，下一代预测分析解决方案不应忽视电子病历的优势，而应以其为基础，满足对高质量、实时数据的需求。他建议:“我们需要接受并扩展它们当前的价值，因为它们确实有助于推动工作流程……但也许可以为这些更复杂的数据模型添加分析功能，以应对这些特定条件。”“我们还需要能够访问实时临床和非临床数据。我们在整个组织中有多个不同的来源可以从中提取——索赔数据、来自生物医学设备的数据和电子病历中的数据。你是如何把所有这些结合在一起的?”

早期发现:承诺
Dealy指出，有许多潜在的用例，比如败血症的早期检测，可以应用监测算法。这个公式归结为识别观测数据和结果之间的模式，以及数据是否随时可用。

他说:“当然还有其他一些严重的疾病，比如心脏病发作和中风，这些疾病在特定的时间点上有提前的迹象表明，人们要么是易感的，要么是高风险的。”“中风有一些相当明确和普遍理解的症状，心脏病发作的症状可能会少一点，但当然中风，你可以观察到一个人的外表和生理体征。”

虽然早期发现急性疾病有希望，但迪利说，更大的机会在于人口健康倡议。“脓毒症用例在高强度的急性环境中一次影响一名患者。还有其他具有更广泛影响的用例，特别是在人口健康领域:识别高风险患者并主动干预以改变疾病路径，”他说。

Perakslis看到了预测分析应用于糖尿病的进展。他说:“我认为归根结底，要真正了解医疗保健发展的自然历史，而不仅仅是疾病护理。”他指出，实际上只有不到2%的患者信息存在于健康记录中，而利益相关者需要剩下的98%来治疗整个患者。这一步骤需要将健康的社会决定因素纳入等式，影响患者健康的非临床因素，如收入水平、交通便利和家庭状况。

“医疗保健擅长的是在出现问题时进行干预。他们不擅长信息学。下一步实际上是真正好的慢性护理，”Perakslis回忆起最近的一个情况，一个2型糖尿病患者的脚出现坏疽，最终他的脚趾被切除了。这位失去工作的病人现在部分残疾，但如果护理经理有数据来识别和预测即将到来的恶化，事件的发展可能已经避免了。

机会vs现实
部署早期检测算法通常是医院和卫生系统之间的一种平衡。迪利说，卫生保健组织必须小心早期检测系统对警报疲劳的影响。本质上，存在的这些算法越多，跟踪的症状就越多，这可能导致大量的警报。

“有些情况非常敏感，比如败血症。还有一些重要的事情需要了解，但并不一定紧急到应该允许它们扰乱提供者的工作流程，”迪利说。“在人口健康用例中，有机会以考虑紧迫性的方式管理通知。”

例如，与药物过量和自杀风险相关的心理健康问题是时间关键问题。确保患者不会进一步恶化很重要，但时间不那么关键。

与引入任何新的工作流或协议一样，最大的采用挑战之一是文化。让医生和其他临床医生主动使用预测分析作为现实世界医疗服务的一部分，需要一个深思熟虑的变革管理策略。

“医院的一个大问题是，我们对临床监测分析有不同程度的理解，这实际上是非常有问题的。我们有一名研究员，但我们如何让其他人都参与进来?我们拥有这些下一代工具，但是当我们知道变更管理存在的挑战时，您如何部署它们?”Malkary问道，并补充说，行业中的许多供应商夸大了早期检测的效果，这在临床医生群体中引起了怀疑。“我们真正需要的是通过同行评议的文章，在基于真实数据的逐个算法的基础上证明临床疗效，从而获得更大的验证。”

Perakslis认为，一些组织太不愿意尝试新的护理模式。他说:“有些组织倾向于行动和价值，而其他组织则会非常谨慎地对待同样的机会。”“我个人的判断是，你想要处于中间的某个地方。我完全尊重那些不想先做某事的组织，但我并不一定尊重那些愿意等到其他人都做了之后再做的组织。你知道，人们必须尝试。”

尽管面临挑战，Perakslis认为，大型组织没有理由不利用临床监测和预测分析方面的进步。他指出，在电子病历投资上，每个病人的人均成本非常高，因此他认为，把额外的钱花在商业上是很容易做到的。

“不要误解我的意思，我不认为每个小型社区医院都需要数据科学专家，但我希望大型学术医疗中心都这样做，”Perakslis说，并指出节省的成本非常值得额外的投资。“我看到了不必要的程序;我观察了(医疗保健机构)没有得到报酬的次数。当你考虑到所有进入医院的数据时，聘请一位数据科学主管真的是一笔小数目。”

Malkary对此表示赞同，他指出，随着医疗行业朝着以价值为基础的方向发展，游戏的名称是质量结果和成本控制。因此，他认为早期检测系统的使用将继续成熟。

“谁不想检测败血症呢?”Malkary问道。“现在每个人都在关注它，算法实际上变得更加准确，所以更愿意部署它们。有些领域是有机会的，但必须以深思熟虑的方式加以部署。”

- - - - - -Selena Chavis是佛罗里达州的一名自由撰稿人，她的文章经常出现在各种贸易和消费者出版物上，内容涵盖从企业和管理到医疗保健和旅行的所有主题．

Novant Health，预测分析初创公司解决心力衰竭结果
专门从事人工智能(AI)可预防伤害的规范性分析的Jvion宣布与Novant Health建立合作伙伴关系，作为新成立的Novant Health创新与人工智能研究所的一部分。合作伙伴共同努力，旨在减少充血性心力衰竭(CHF)患者的再入院率，这一比例在第一年可高达35%，并且在随后的每次住院中可能会增加一倍。通过整合临床和社会经济数据，并利用Jvion的人工智能技术，两家公司的目标是为最有可能对其做出反应的患者确定最相关的干预措施。

该合作伙伴关系支持该研究所专注于识别先进技术，为Novant Health的患者提供高度个性化的护理和加速解决方案，并提供可操作的数据和见解，以进行预防性预测、诊断和治疗。

“我们很高兴继续为我们的患者实施基于人工智能的治疗方式，并将这些变革性技术带到Novant Health和我们所服务的社区，”Novant Health执行副总裁兼首席医疗官Eric Eskioglu医学博士说。“与Jvion等分析领域的创新者合作，使我们能够预测风险因素，并通过为患者制定个性化治疗计划进行有效干预，从而节省时间和金钱。这项技术的实施将改变我们为卡罗来纳州和弗吉尼亚州的CHF患者提供护理的方式，从而提高他们的生活质量，防止不必要的再入院。”

“心力衰竭是老年人住院治疗的主要原因之一，”诺万特健康中心晚期心力衰竭主任Gordon Reeves医学博士说。“因心力衰竭住院的患者本质上是高危人群，住院后的生活质量更有可能下降。Jvion可以让我们集中资源，帮助他们顺利出院，恢复到更高质量的生活。”

Jvion首席执行官Shantanu Nigam说:“支持人工智能的规范性分析代表了一种新的创新方法，可以利用临床和社会经济数据，为患有慢性心力疾病等疾病的个人确定可管理或预防的最有效干预措施。我们很高兴能与Novant Health合作，这是一家致力于利用新技术拯救生命、提高护理质量并影响关键质量指标的领导者。”

Jvion成功地将瑞士法郎的再入院率平均降低了13%，每1000例出院患者中防止了130例再入院，潜在节省约100万美元。Jvion的机器识别个体患者的风险，从上升风险到高风险，可避免的有害事件，导致这种风险的临床和社会经济决定因素，以及改变患者轨迹的个性化干预措施。

Novant health执行副总裁兼首席数字和技术官Angela Yochem表示:“有了Jvion等基于人工智能的技术，我们的护理团队可以更快、更精确地解决社区中一些最严重的健康问题——在这种情况下，可以减少充血性心力衰竭患者的再入院率。”“与Jvion的合作扩大了我们的人工智能产品组合，并巩固了我们使用尖端技术与患者建立联系和护理的承诺。”

-来源:Jvion