คู่มืออุตสาหกรรม

AI สนับสนุนการตัดสินใจทางคลินิกสำหรับแพทย์

การสนับสนุนการตัดสินใจทางคลินิก (CDS) คือซอฟต์แวร์ที่มักมีอยู่ในหรือเชื่อมต่อกับบันทึกสุขภาพอิเล็กทรอนิกส์ ที่ให้การแจ้งเตือน การเตือนความจำ ชุดคำสั่ง และการคาดการณ์ความเสี่ยงเฉพาะผู้ป่วยในขณะที่พวกเขาดูแลผู้ป่วย

ฟังคำแนะนำนี้บรรยายโดย AI · ~3 min

บนหน้านี้อ่าน 4 นาที
  1. ภาพรวม
  2. เจาะลึก
  3. การใช้งานจริงในโลกแห่งความเป็นจริง
  4. อนาคตของการสนับสนุนการตัดสินใจทางคลินิกของ AI สำหรับแพทย์
  5. การนำไปปฏิบัติ
  6. สำรวจต่อไป
  7. คำถามที่พบบ่อย

ภาพรวม

สิ่งสำคัญคือ CDS ที่ได้รับการออกแบบมาอย่างดีจะตรวจจับปฏิกิริยาระหว่างยา ข้อผิดพลาดในการใช้ยา และการวินิจฉัยที่ไม่ได้รับ CDS ที่ออกแบบมาไม่ดีทำให้เกิดความเมื่อยล้าในการแจ้งเตือน โดยแพทย์จะมองข้ามคำเตือนส่วนใหญ่ รวมถึงคำเตือนที่สำคัญด้วย

เจาะลึก

CDS แบ่งออกเป็นสองตระกูลใหญ่ CDS เชิงความรู้จัดทำกฎที่ชัดเจนซึ่งเขียนโดยแพทย์และเภสัชกร เช่น การตรวจสอบปฏิกิริยาระหว่างยากับยา การตรวจสอบภูมิแพ้ ช่วงขนาดยา การแจ้งเตือนการดูแลป้องกัน และชุดคำสั่ง Predictive CDS ใช้แบบจำลองทางสถิติหรือการเรียนรู้ของเครื่องที่ได้รับการฝึกอบรมเกี่ยวกับข้อมูลผู้ป่วยในอดีต เพื่อประเมินความเสี่ยงของเหตุการณ์ต่างๆ เช่น ภาวะติดเชื้อในกระแสเลือด การเสื่อมสภาพ การกลับเข้ามาใหม่ หรือการไม่แสดงตัว การจัดส่งอาจเป็นแบบขัดจังหวะ (ป๊อปอัปที่หยุดขั้นตอนการทำงาน) แบบพาสซีฟ (ธง แบนเนอร์ หรือตัวเลือกเริ่มต้นในคำสั่งซื้อ) หรือกำหนดเส้นทางไปยังบุคคลอื่น เช่น เภสัชกรหรือทีมตอบสนองอย่างรวดเร็ว นักสารสนเทศมักใช้กรอบ "สิทธิ 5 ประการ" ได้แก่ ข้อมูลที่ถูกต้อง แก่บุคคลที่ถูกต้อง ในรูปแบบที่ถูกต้อง ผ่านช่องทางที่ถูกต้อง ในเวลาที่เหมาะสม การแจ้งเตือนที่ฝ่าฝืนกฎเหล่านี้จะทำให้เกิดความเหนื่อยล้าในการแจ้งเตือน การศึกษาจำนวนมากเกี่ยวกับการแจ้งเตือนปฏิกิริยาระหว่างยาพบว่าแพทย์แทนที่การแจ้งเตือนส่วนใหญ่ ซึ่งมักจะสูงกว่า 90 เปอร์เซ็นต์ในบางพื้นที่ เนื่องจากการแจ้งเตือนจำนวนมากไม่เกี่ยวข้องทางคลินิก เมื่อแพทย์เรียนรู้ว่าการแจ้งเตือนส่วนใหญ่เป็นเสียงรบกวน พวกเขาก็มองข้ามการแจ้งเตือนที่สำคัญซึ่งพบได้ยากเช่นกัน โมเดลการคาดการณ์เพิ่มความเสี่ยงอีกประการหนึ่ง: แบบจำลองดังกล่าวสามารถทำงานได้แย่กว่าที่นักพัฒนารายงานไว้ ในปี 2021 ทีมงานของมหาวิทยาลัยมิชิแกนตีพิมพ์การตรวจสอบภายนอกของ Epic Sepsis Model ใน JAMA Internal Medicine พบว่ามีการเลือกปฏิบัติที่อ่อนแอกว่าที่โฆษณาไว้มาก (AUC ประมาณ 0.63) แบบจำลองนี้พลาดประมาณสองในสามของผู้ป่วยติดเชื้อขณะเดียวกันก็แจ้งเตือนผู้ป่วยจำนวนมากที่ไม่มีภาวะติดเชื้อ ในด้านกฎระเบียบ พระราชบัญญัติการรักษาศตวรรษที่ 21 ปี 2016 ได้ยกเว้น CDS บางส่วนจากกฎระเบียบของอุปกรณ์ FDA ซึ่งส่วนใหญ่เป็นเครื่องมือที่มีพื้นฐานให้แพทย์สามารถตรวจสอบได้อย่างอิสระ และ FDA ได้ออกคำแนะนำ CDS ขั้นสุดท้ายในปี 2022 กฎ HTI-1 ของ ONC ซึ่งสรุปผลในปลายปี 2023 กำหนดให้ EHR ที่ได้รับการรับรองในการเปิดเผยข้อมูลเกี่ยวกับการแทรกแซงสนับสนุนการตัดสินใจ รวมถึงมาตรการเชิงคาดการณ์ ความเข้าใจผิดที่พบบ่อยคือการแจ้งเตือนมากขึ้นหมายถึงการดูแลที่ปลอดภัยยิ่งขึ้น เมื่อผ่านจุดหนึ่งไปแล้ว การแจ้งเตือนที่มากขึ้นจะทำให้การดูแลปลอดภัยน้อยลง

การใช้งานจริงในโลกแห่งความเป็นจริง

เมื่อแพทย์สั่งยาปฏิชีวนะสำหรับผู้ป่วยที่ได้รับยาวาร์ฟาริน EHR จะแสดงการแจ้งเตือนปฏิสัมพันธ์แบบขัดจังหวะโดยแนะนำให้มีการติดตาม INR อย่างใกล้ชิด แพทย์จะต้องรับทราบหรือให้เหตุผลแทนที่

กฎการให้ยาไตจะอ่าน eGFR ล่าสุดของผู้ป่วย และแนะนำยาที่ล้างไตในขนาดที่ต่ำกว่าตามลำดับ โดยไม่มีป๊อปอัป

แบบจำลองการทำนายภาวะติดเชื้อในโรงพยาบาลจะให้คะแนนผู้ป่วยในทุกๆ สองสามชั่วโมง และส่งคำแนะนำแนวปฏิบัติที่ดีที่สุดไปยังพยาบาลที่ตอบสนองอย่างรวดเร็วเมื่อคะแนนผ่านเกณฑ์

แพทย์ฉุกเฉินเปิดชุดคำสั่งโรคปอดบวมที่ได้รับจากชุมชน โดยจะเลือกยาปฏิชีวนะตามแนวทางที่แนะนำไว้ล่วงหน้าและเครื่องคำนวณคะแนนความรุนแรง

อนาคตของการสนับสนุนการตัดสินใจทางคลินิกของ AI สำหรับแพทย์

โมเดลภาษาเริ่มปรากฏใน CDS เป็นตัวสรุปแผนภูมิและเครื่องมือตอบคำถาม ไม่ใช่เพียงกลไกกฎเท่านั้น นั่นทำให้เกิดคำถามใหม่เกี่ยวกับวิธีการตรวจสอบเครื่องมือที่มีเอาต์พุตเป็นข้อความอิสระ กฎความโปร่งใส เช่น HTI-1 ผลักดันให้ผู้จำหน่ายบันทึกวิธีการฝึกอบรมและทดสอบเครื่องมือคาดการณ์ ซึ่งน่าจะทำให้การประเมินในท้องถิ่นง่ายขึ้น บทเรียนจากแบบจำลองภาวะติดเชื้อในกระแสเลือดและการแจ้งเตือนการโต้ตอบมีแนวโน้มที่จะมีไว้สำหรับเครื่องมือที่ใหม่กว่าเช่นกัน: การตรวจสอบความถูกต้องในพื้นที่ ภาระการแจ้งเตือนที่วัดได้ และการกำหนดเส้นทางไปยังบุคคลที่เหมาะสมในการตัดสินใจว่า CDS จะช่วยได้หรือไม่ ระบบสุขภาพที่เลิกใช้การแจ้งเตือนที่มีค่าต่ำอาจได้รับผลประโยชน์มากเท่ากับระบบที่เพิ่มการแจ้งเตือนใหม่

การนำไปปฏิบัติ

ทำไมมันถึงสำคัญ

  • บริบทและกฎ. บริบททางอุตสาหกรรมเป็นตัวกำหนดว่าแนวคิด AI จะรอดจากการสัมผัสกับความเป็นจริงหรือไม่
  • การควบคุมคุณภาพ. ข้อจำกัดของโดเมนมีอิทธิพลต่ออัตราข้อผิดพลาดที่ยอมรับได้และแบบจำลองการควบคุมดูแล
  • สร้างทางเลือก. การปรับใช้ที่ประสบความสำเร็จจะปรับความสามารถทางเทคนิคให้สอดคล้องกับเวิร์กโฟลว์แนวหน้า

ระวัง

  • ข้อกำหนดด้านกฎระเบียบอาจทำให้ต้นแบบที่แข็งแกร่งเป็นโมฆะได้
  • ข้อมูลในอดีตอาจเข้ารหัสอคติที่เป็นอันตรายต่อชุมชนบางแห่ง
  • ระบบเดิมสามารถสร้างปัญหาคอขวดในการบูรณาการและต้นทุนแอบแฝงได้

ขั้นตอนต่อไป

  1. ให้ผู้เชี่ยวชาญโดเมนมีส่วนร่วมตั้งแต่การกำหนดกรอบปัญหาไปจนถึงการประเมิน
  2. ออกแบบเส้นทางการตรวจสอบและเอกสารประกอบก่อนการเปิดตัว
  3. ตรวจสอบการปฏิบัติตามข้อกำหนดและภาระผูกพันด้านความปลอดภัยตั้งแต่เนิ่นๆ
  4. เปิดตัวเป็นระยะโดยมีเกณฑ์การหยุดและย้อนกลับที่ชัดเจน

สำรวจต่อไป

จดหมายข่าวฟรี

รับสรุป AI รายวัน

เรื่องราว AI ที่ตรวจสอบแล้ว 3 เรื่องทุกวันทำงาน เช้า, เขียนเป็นภาษาอังกฤษธรรมดา ฟรีตลอดไป ไม่มีโฆษณา

อีเมลหนึ่งฉบับทุกวันทำงาน ยกเลิกการสมัครในคลิกเดียว เราไม่เคยขายหรือแชร์ที่อยู่อีเมลของคุณ

ทดสอบตัวเอง

ทำแบบทดสอบ AI Clinical Decision Support for Physicians

ข้อเสนอแนะทันทีสำหรับทุกคำตอบ และใบรับรองที่สามารถแชร์ได้พร้อม ID ที่ตรวจสอบได้เมื่อคุณผ่านหลักสูตร

เริ่มแบบทดสอบ

สนับสนุนการศึกษา AI ฟรี AI Understanding เป็นองค์กรไม่แสวงหาผลกำไร 501(c)(3) — ไม่มีโฆษณา ไม่มีกำแพงเงิน, ตลอดไป บริจาค

คำถามที่พบบ่อย

การสนับสนุนการตัดสินใจทางคลินิกของ AI สำหรับแพทย์คืออะไร

การสนับสนุนการตัดสินใจทางคลินิก (CDS) คือซอฟต์แวร์ที่มักมีอยู่ในหรือเชื่อมต่อกับบันทึกสุขภาพอิเล็กทรอนิกส์ ที่ให้การแจ้งเตือน การเตือนความจำ ชุดคำสั่ง และการคาดการณ์ความเสี่ยงเฉพาะผู้ป่วยในขณะที่พวกเขาดูแลผู้ป่วย สิ่งสำคัญคือ CDS ที่ได้รับการออกแบบมาอย่างดีจะตรวจจับปฏิกิริยาระหว่างยา ข้อผิดพลาดในการใช้ยา และการวินิจฉัยที่ไม่ได้รับ CDS ที่ออกแบบมาไม่ดีทำให้เกิดความเมื่อยล้าในการแจ้งเตือน โดยแพทย์จะมองข้ามคำเตือนส่วนใหญ่ รวมถึงคำเตือนที่สำคัญด้วย

สิ่งใดที่กระตุ้นให้เกิดความเมื่อยล้าในการแจ้งเตือนด้วยการแจ้งเตือนปฏิกิริยาระหว่างยา

อัตราการแทนที่ที่สูงส่วนใหญ่มาจากการแจ้งเตือนที่มีมูลค่าต่ำ เมื่อการแจ้งเตือนส่วนใหญ่เป็นเพียงเสียงรบกวน แพทย์ก็จะไม่สนใจการแจ้งเตือนที่สำคัญเช่นกัน

การตรวจสอบภายนอกของ Epic Sepsis Model จากมหาวิทยาลัยมิชิแกนปี 2021 พบอะไรบ้าง

การศึกษาพบว่า AUC ประมาณ 0.63 แบบจำลองนี้พลาดกรณีการติดเชื้อส่วนใหญ่ในขณะที่แจ้งเตือนผู้ป่วยจำนวนมากที่ไม่มีภาวะติดเชื้อ

กฎการให้ยาไตแนะนำให้ลดขนาดยาตามลำดับโดยไม่มีป๊อปอัป มันคือการจัดส่งแบบใด?

การแสดงข้อเสนอแนะภายในขั้นตอนการทำงานโดยไม่หยุดแพทย์ถือเป็นการคลอดบุตรที่ไม่โต้ตอบ

ใน CDS Hooks บริการ CDS ภายนอกส่งอะไรกลับไปยัง EHR

EHR เรียกใช้บริการที่จุดเชื่อมต่อ เช่น ป้ายคำสั่ง และบริการจะตอบกลับด้วยบัตรที่แพทย์สามารถอ่านหรือดำเนินการได้

เหตุใดจึงต้องรันโมเดลการคาดการณ์ในโหมดเงียบก่อนใช้งานจริง

โหมดเงียบให้คะแนนผู้ป่วยโดยไม่ต้องแจ้งเตือนใคร ดังนั้นทีมงานจึงสามารถตรวจสอบความแม่นยำในพื้นที่และปริมาณการแจ้งเตือนก่อนได้

เรียนรู้ต่อไป

คำแนะนำที่เกี่ยวข้อง

คำแนะนำเพิ่มเติมที่เลือกสำหรับหัวข้อนี้

รับใบรับรอง AI ฟรีหลักสูตรและการสอบสั้น ๆ ฟรี ไม่มีค่าใช้จ่าย ไม่มีบัตรเครดิต ประมาณ 2.5 ชั่วโมงเริ่มต้นฟรี →