Gids voor industrieën

AI klinische beslissingsondersteuning voor artsen

Klinische beslissingsondersteuning (CDS) is software, meestal ingebouwd in of verbonden met het elektronische patiëntendossier, die artsen patiëntspecifieke waarschuwingen, herinneringen, ordersets en risicovoorspellingen geeft terwijl zij voor een patiënt zorgen.

Luister naar deze gidsAI-verteld · ~3 min

Op deze pagina4 minuten lezen
  1. Overzicht
  2. Diepe duik
  3. Implementatie in de echte wereld
  4. De toekomst van klinische beslissingsondersteuning met AI voor artsen
  5. Het in de praktijk brengen
  6. Blijf verkennen
  7. Veelgestelde vragen

Overzicht

Het is belangrijk omdat een goed ontworpen CDS geneesmiddelinteracties, doseringsfouten en gemiste diagnoses opmerkt. Slecht ontworpen CDS veroorzaakt alarmmoeheid, waarbij artsen de meeste waarschuwingen negeren, inclusief de belangrijke.

Diepe duik

CDS valt uiteen in twee brede families. Op kennis gebaseerde CDS hanteert expliciete regels die zijn geschreven door artsen en apothekers, zoals controles op geneesmiddelinteracties, allergiecontroles, dosisbereiken, herinneringen voor preventieve zorg en ordersets. Voorspellende CDS maakt gebruik van statistische of machine learning-modellen die zijn getraind op patiëntgegevens uit het verleden om het risico op gebeurtenissen zoals sepsis, achteruitgang, heropname of no-shows in te schatten. De bezorging kan onderbrekend zijn (een pop-up die de workflow stopt), passief (een vlag, een banner of een standaardkeuze in een bestelling) of worden doorgestuurd naar iemand anders, zoals een apotheker of een rapid response-team. Informatici gebruiken vaak het ‘vijf rechten’-raamwerk: de juiste informatie, aan de juiste persoon, in het juiste formaat, via het juiste kanaal, op het juiste moment. Waarschuwingen die deze regels overtreden veroorzaken waarschuwingsmoeheid. Uit veel onderzoeken naar waarschuwingen over geneesmiddelinteracties is gebleken dat artsen de grote meerderheid ervan negeren, in sommige situaties vaak ruim boven de 90 procent, grotendeels omdat zoveel waarschuwingen klinisch irrelevant zijn. Zodra artsen erachter komen dat de meeste waarschuwingen ruis zijn, negeren ze ook de zeldzame waarschuwing die er toe doet. Voorspellende modellen voegen nog een risico toe: ze kunnen in de praktijk slechter presteren dan hun ontwikkelaars rapporteerden. In 2021 publiceerde een team van de Universiteit van Michigan een externe validatie van het Epic Sepsis Model in JAMA Internal Medicine. Er werd een veel zwakkere discriminatie gevonden dan geadverteerd (een AUC van ongeveer 0,63). Het model miste ongeveer tweederde van de gevallen van sepsis en genereerde waarschuwingen voor veel patiënten die geen sepsis hadden. Op het gebied van regelgeving heeft de 21st Century Cures Act van 2016 een aantal CDS uitgesloten van de FDA-regelgeving voor apparaten, voornamelijk hulpmiddelen waarvan de basis een arts onafhankelijk kan beoordelen, en de FDA heeft in 2022 definitieve CDS-richtlijnen uitgegeven. De HTI-1-regel van ONC, die eind 2023 werd afgerond, vereist gecertificeerde EPD's om informatie vrij te geven over beslissingsondersteunende interventies, inclusief voorspellende interventies. De algemene misvatting is dat meer waarschuwingen veiligere zorg betekenen. Een punt voorbij: meer waarschuwingen maken de zorg minder veilig.

Implementatie in de echte wereld

Wanneer een arts een antibioticum bestelt voor een patiënt die warfarine gebruikt, toont het EPD een onderbrekende interactiewaarschuwing, wat erop wijst dat de INR nauwer wordt gecontroleerd. De arts moet dit erkennen of een dwingende reden opgeven.

Een renale doseringsregel leest de laatste eGFR van de patiënt en suggereert een lagere dosis van een renaal geklaard medicijn binnen de bestelling zelf, zonder een pop-up.

Het sepsis-voorspellingsmodel van een ziekenhuis beoordeelt elke paar uur de scores van ziekenhuispatiënten en stuurt een best practice-advies naar de snel reagerende verpleegkundige wanneer de score een drempel overschrijdt.

Een spoedarts opent een door de gemeenschap opgelopen longontstekingbestelling, waarin de door de richtlijnen aanbevolen antibiotica en een ernstscorecalculator worden geselecteerd.

De toekomst van klinische beslissingsondersteuning met AI voor artsen

Taalmodellen beginnen in CDS te verschijnen als samenvattingen van grafieken en hulpmiddelen voor het beantwoorden van vragen, en niet alleen als regelengines. Dat roept nieuwe vragen op over hoe je een tool valideert waarvan de output vrije tekst is. Transparantieregels zoals HTI-1 dwingen leveranciers om te documenteren hoe voorspellende tools zijn getraind en getest, wat lokale evaluatie gemakkelijker zou moeten maken. De les uit sepsismodellen en interactiewaarschuwingen geldt waarschijnlijk ook voor nieuwere instrumenten: lokale validatie, gemeten alarmlast en routering naar de juiste persoon beslissen of CDS helpt. Gezondheidszorgsystemen die waarschuwingen van lage waarde intrekken, kunnen evenveel winst behalen als systemen die nieuwe waarschuwingen toevoegen.

Het in de praktijk brengen

Waarom het ertoe doet

  • Context en regels. De industriële context bepaalt of AI-ideeën het contact met de werkelijkheid overleven.
  • Kwaliteitscontrole. Domeinbeperkingen beïnvloeden aanvaardbare foutenpercentages en toezichtmodellen.
  • Bouwkeuzes. Succesvolle implementaties stemmen de technische mogelijkheden af ​​op frontline-workflows.

Pas op voor

  • Regelgevingsvereisten kunnen anderszins sterke prototypes ongeldig maken.
  • Historische gegevens kunnen vooroordelen coderen die specifieke gemeenschappen schade toebrengen.
  • Oudere systemen kunnen integratieknelpunten en verborgen kosten veroorzaken.

Volgende stappen

  1. Betrek domeinexperts, van het formuleren van het probleem tot de evaluatie.
  2. Ontwerp audit trails en documentatie vóór de lancering.
  3. Valideer compliance- en veiligheidsverplichtingen vroegtijdig.
  4. Uitrol in fasen met duidelijke stop- en terugdraaicriteria.

Blijf verkennen

Gratis nieuwsbrief

Ontvang de dagelijkse AI-briefing

Drie verifieerde AI-verhalen elke weekdagmorgen, geschreven in eenvoudig Engels. Gratis voor altijd, geen advertenties.

Eén e-mail elke weekdag. Afmelden met één klik. We verkopen of delen je adres nooit.

Test jezelf

Take the AI Clinical Decision Support for Physicians quiz

Directe feedback op elke antwoord, en een deelbare certificaat met een verifieerbare ID zodra je een cursus hebt afgerond.

Quiz starten

Ondersteun gratis AI-onderwijs. AI Understanding is een 501(c)(3) non-profit — geen advertenties, geen betaalmuur, nooit. Doe een donatie

Veelgestelde vragen

Wat is AI klinische beslissingsondersteuning voor artsen?

Klinische beslissingsondersteuning (CDS) is software, meestal ingebouwd in of verbonden met het elektronische patiëntendossier, die artsen patiëntspecifieke waarschuwingen, herinneringen, ordersets en risicovoorspellingen geeft terwijl zij voor een patiënt zorgen. Het is belangrijk omdat een goed ontworpen CDS geneesmiddelinteracties, doseringsfouten en gemiste diagnoses opmerkt. Slecht ontworpen CDS veroorzaakt alarmmoeheid, waarbij artsen de meeste waarschuwingen negeren, inclusief de belangrijke.

Wat veroorzaakt vooral alertmoeheid bij waarschuwingen over geneesmiddelinteracties?

Hoge overschrijvingspercentages zijn meestal het gevolg van waarschuwingen met een lage waarde. Zodra de meeste waarschuwingen ruis zijn, negeren artsen ook de waarschuwingen die er toe doen.

Wat heeft de externe validatie van het Epic Sepsis Model van de Universiteit van Michigan in 2021 opgeleverd?

Uit het onderzoek bleek een AUC van ongeveer 0,63. Het model miste de meeste gevallen van sepsis en waarschuwde veel patiënten die geen sepsis hadden.

Een nierdoseringsregel suggereert een lagere dosis binnen de bestelling zonder pop-up. Wat voor soort levering is dat?

Het tonen van een suggestie binnen de workflow zonder de arts te stoppen is een passieve, niet-onderbrekende weergave.

Wat stuurt een externe CDS-dienst in CDS Hooks terug naar het EPD?

Het EPD belt de dienst via aanknopingspunten, zoals het ondertekenen van een bestelling, en de dienst antwoordt met kaarten die de arts kan lezen of ernaar kan handelen.

Waarom een ​​voorspellend model in de stille modus uitvoeren voordat het live gaat?

De stille modus scoort patiënten zonder iemand te waarschuwen, zodat het team eerst de lokale nauwkeurigheid en het waarschuwingsvolume kan controleren.