持续智能驱动医疗快速精准诊断

持续智能 (CI) 赋能医疗创新，给临床医生快速、更精准诊断能力

医疗组织拥有丰富数据评估患者状况、开具治疗方案。越来越多地，做出更快、更精准诊断需要从实时流数据分析衍生的持续智能 (CI)。

两因素驱动此变化。第一，患者期望变化。护理质量日益重要——患者开始行使选择如何、与谁就医的权利。他们要求数据和流程透明。因此，医疗组织需聚焦如何以对患者有意义方式实现质量结果。

延伸阅读： AI Providing Mental Health Guidance? Not So Fast, Say Psychiatrists

同时，医疗因新数据源可用经历巨大变化。具体是物联网 (IoT) 可穿戴设备和连接医疗设备兴起。随着医疗组织用更多连接设备、电子健康记录 (EHR)、患者虚拟就诊，越来越多数据涌入。

然而，那些数据通常孤岛化，不改善患者护理直到被审查归档供未来用。迈进需能轻松利用不同数据源、即时对数据应用实时分析的解决方案。

克服数据障碍方案开启新机遇。例如，用流数据帮助多领域多种健康状况早期诊断。一例是应用语音通信诊断医疗状况。

考虑场景：女致电担心母亲健康，因近期记忆力减退。母亲拨打诊所护士分诊线，护士问五问题收集诊断信息。对护士语音通信运行情感分析。从分析衍生信息结合护士实时查看的母亲可穿戴设备捕获健康数据。护士用信息判定阿尔茨海默病可能性高。结果，此互动帮女儿决定母亲后续医疗步骤。

如今大量连接设备可用，像语音通信用于诊断（或确定诊断概率）这样简单事是终极医疗机器人。

用语音通信分析早期诊断某些医疗状况接近今日现实。例如，Apple Watch 现带心电图 (EKG) 功能——提供用户心跳信息帮提醒未诊断状况。可穿戴设备如 Apple Watch 提供实时数据可作为诊断某些健康状况第一步、在数据指示异常时提醒患者咨询提供者。

用实时分析诊断状况推高医疗新高度。更先进是用预测分析和人工智能 (AI) 预防疾病或状况爆发应用。

此类预防技术应用一例是 HCA Healthcare 减少败血症死亡威胁工作。

败血症无情状况可破坏身体。常像夜贼在人们已入院治疗其他状况后潜入。由身体为对抗感染发送进血液生化物质失衡触发。若败血症进展为脓毒性休克，器官受损、血压下降——潜在致死局面。美国每年单败血症致 27 万死亡。

通常诊断败血症仅可能基于交班时人工审查患者病历。问题在于那时检测败血症可能太晚。“每延迟一小时诊断增加 4-7% 死亡风险，”HCA Healthcare 临床服务总裁兼首席医疗官 Dr. Jonathan Perlin 说。

此延迟不可接受。临床医生、数据科学家、技术专业人员团队联手创建实时预测分析系统更精准快速检测患者败血症。

挑战是捕获前败血症条件相关数据。医疗公司每年跨 1800 护理点 3000 万患者互动生成大量数据。但大多孤岛化跨分散系统应用。

现有多数数据基础设施非为大规模商业智能和报告设计。需要方式从所有设施收集、分析、共享实时数据以便快速采取救生行动。为应对挑战，团队创建实时预测分析系统 SPOT（败血症预测与治疗优化）。

有 SPOT，临床医生能更精准快速检测患者败血症。平台收集分析临床数据——如患者位置、生命体征、药房、实验室数据——实时信号护理人员启动早期败血症护理。

用 SPOT 工具，HCA Healthcare 改善早期检测。临床医生能比传统筛选方法早 20 小时检测识别败血症初始指标。

除诊断，实时分析被瞄准其他医疗应用。例如，医疗行业今日主要问题之一是医疗欺诈量。2017 年据美国卫生与公共服务部监察长办公室，虚假账单达 13 亿美元。分析可在检测医疗欺诈、协助早期诊断医疗状况中起显著作用。

设想医疗呼叫中心用语音分析技术处理试图医疗欺诈患者来电。软件嵌入分析可精准定位患者语调红旗。接线人员可被警报关注分析指示担忧，允许深层调查情况。分析终将在医疗欺诈早期检测中起关键作用——早至预约调度过程警报组织潜在欺诈。

所有努力中，主挑战是如何高效利用大量数据源。合适解决方案将能：

持续融合不同数据源： 医疗设备通过心电图 (ECG)、心率、血氧饱和度 (SpO2)、呼吸频率等生理流提供生命体征可视显示。全球电子健康记录倡议创建更多医疗数据源。院内感染、气胸、脑室内出血、脑室周围白质软化等危及生命状况可用融合不同数据源分析检测。

提供高度个性化护理： 更早检测体征改善患者结果、缩短住院。自动或临床医生驱动知识发现识别数据流事件与医疗状况新关系。

支持主动治疗： 基于个性化数据流为每患者建立画像、持续接收洞察。

简单说，实时分析缓解当今医疗行业多种挑战潜力巨大。随着创建新技术推动医疗进入下一代患者体验取得所有进展，部署实时分析用于早期医疗诊断、医疗欺诈和其他应用只是顺理成章。

物联网技术