CI 支持新的医疗保健诊断功能

持续智能 (CI) 正在实现医疗保健的创新方法，为临床医生提供快速、更准确的诊断能力。

医疗保健组织拥有丰富的数据来评估患者状况并制定治疗计划。做出更快、更准确诊断的能力越来越需要源自流数据实时分析的持续智能 (CI)。

有两个因素推动了这种变化。首先，患者的期望正在发生变化。护理质量变得越来越重要——随着患者开始行使他们的权利，选择他们如何以及与谁进行医疗保健。他们要求数据和流程的透明度。因此，医疗保健组织需要关注如何以有意义的方式为患者实现高质量的结果。

另见： 人工智能提供心理健康指导？精神科医生说，没那么快

与此同时，由于新数据源的可用性，医疗保健正在经历巨大的变化。具体来说，物联网 (IoT) 可穿戴设备和联网医疗设备正在兴起。随着医疗机构使用更多的联网设备、电子健康记录 (EHR) 和虚拟就诊，越来越多的数据涌入。

但是，这些数据通常是孤立的，在经过审查并归档以备将来使用之前，不会改善患者护理。要取得长足进步，需要能够轻松利用不同数据源并对动态数据进行实时分析的解决方案。

用于诊断的实时数据

克服数据障碍的解决方案开辟了新的机遇。例如，使用流数据可以帮助在许多领域对各种健康状况进行早期诊断。一个例子是语音通信在医疗状况诊断中的应用。

考虑以下场景：一位女士打电话来担心她母亲的健康，因为她最近遇到了记忆力减退的问题。这位母亲打电话给她诊所的护士分诊热线，她的护士在那里问了五个问题以收集诊断信息。情绪分析是对与护士的语音交流进行的。从分析中得出的信息与从母亲的可穿戴设备（护士可以实时查看）捕获的健康数据相结合。然后，护士使用这些信息来确定阿尔茨海默病的可能性很高。因此，这种互动有助于女儿确定母亲医疗保健的下一步。

当今有大量的联网设备可供使用，像语音通信这样简单的用于诊断（或确定诊断概率）的东西就是终极医疗机器人。

在语音通信中使用分析来早期诊断某些医疗状况已接近今天的现实。例如，Apple Watch 现在配备了心电图 (EKG) 功能——为用户提供有关其心跳的信息，有助于提醒他们注意未确诊的情况。 Apple Watch 等可穿戴设备提供的实时数据可以作为诊断某些健康状况的第一步，并在数据表明出现问题时提醒患者咨询其提供者。

将实时分析与人工智能相结合

使用实时分析来诊断病情正在将医疗推向新的水平。更先进的是使用预测分析和人工智能 (AI) 来预防疾病或病症爆发的应用程序。

应用这种预防技术的一个例子是 HCAHealthcare 在减少败血症导致的死亡威胁方面所做的工作。

脓毒症是一种不可原谅的疾病，会对身体造成严重破坏。在人们已经入院治疗其他疾病之后，它经常像夜间的小偷一样爬行。当身体与感染作斗争时，它会爆发，这是由身体送入血液以抵抗感染的生化物质的不平衡引发的。如果脓毒症进展为感染性休克，器官会受损，血压会下降——这可能是致命的情况。仅在美国，每年就有 270,000 人死于败血症。

通常，只有在换班期间手动查看患者图表才能诊断脓毒症。问题是，当以这种方式检测到败血症时，可能为时已晚。 HCA Healthcare 临床服务总裁兼医疗保健首席医疗官 Jonathan Perlin 博士说：“每延迟一小时的诊断，死亡风险就会增加 4% 到 7%。”

这种延迟是不可接受的。一个由临床医生、数据科学家和技术专家组成的团队共同创建了一个实时预测分析系统，以更准确、更快速地检测脓毒症住院患者。

挑战在于捕获与脓毒症相关的数据。这家医疗保健公司每年在 1,800 个护理站点与超过 3000 万次患者互动产生了大量数据。但是，其中大部分是孤立在不同的系统和应用程序中的。

大多数现有的数据基础设施并不是为大规模商业智能和报告而设计的。需要一种方法来收集、分析和共享来自我们所有设施的实时数据，以便能够迅速采取拯救生命的行动。为了应对这一挑战，该团队创建了一个名为 SPOT（脓毒症预测和治疗优化）的实时预测分析系统。

借助 SPOT，临床医生可以更准确、更快速地检测患者的脓毒症。该平台收集和分析临床数据——例如患者位置、生命体征、药房和实验室数据——并实时向护理人员发出信号以启动早期脓毒症护理。

借助 SPOT 工具，HCA Healthcare 能够改进早期检测。与传统筛查方法相比，临床医生可以提前 20 小时检测和识别脓毒症的初始指标。

分析在早期发现医疗欺诈中的作用

除了诊断之外，实时分析正在关注其他医疗保健应用。例如，当今医疗保健行业的主要问题之一是发生的医疗欺诈数量。根据美国卫生与公众服务部监察长办公室的数据，2017 年有 13 亿美元的虚假账单。分析可以在检测医疗欺诈以及帮助早期诊断医疗状况方面发挥重要作用。

想象一个医疗呼叫中心在尝试医疗欺诈的患者打来电话时使用语音分析技术。通过软件中嵌入的分析，可以查明患者语气中的危险信号。然后可以提醒处理呼叫的人通过分析表示的担忧，使他们能够更深入地调查情况。有朝一日，分析可能会在早期发现医疗欺诈方面发挥关键作用——在预约安排过程中尽早提醒组织注意潜在的欺诈行为。

真正的挑战：使用数据

在所有努力中，主要挑战是如何有效地使用大量数据源。一个合适的解决方案将能够：

不断融合不同的数据源： 医疗设备通过诸如心电图 (ECG)、心率、血氧饱和度 (SpO2) 和呼吸频率等生理流提供生命体征的视觉显示。世界各地的电子健康记录计划创造了更多的医疗数据来源。可以使用融合不同数据源的分析来检测危及生命的情况，例如医院感染、气胸、脑室内出血和脑室周围白质软化。

提供高度个性化的护理： 尽早发现迹象以改善患者治疗效果并缩短住院时间。自动化或临床医生驱动的知识发现，以识别数据流事件和医疗状况之间的新关系。

支持主动治疗： 根据个性化数据流为每位患者建立档案并持续获得洞察

结论

简而言之，分析在缓解当今医疗保健行业的各种挑战方面的实时潜力是巨大的。随着在创造新技术以将医疗保健带入下一代患者体验方面取得的所有进展，为早期医疗诊断、医疗欺诈和其他应用程序部署实时分析是很自然的.