在此前結束的RSNA上，國內外AI企業無論是產品還是科研再一次贏得了全世界的關注。眾多醫療企業也正在通過AI技術為醫療機構的臨床和日常工作帶來幫助。

今年的大會主題是“See Possibilities Together”。在多位專家的解讀中，這個主題意味著醫學發展、醫療AI企業發展的一個必然趨勢，那就是“以患者為中心的醫患互動”，將單純的技術討論回歸到醫生和病人的本源，進而實現更好的落地突破。

經過幾年的發展，人工智能成為眾多醫療CIO關注的對象，但是大多數醫療機構并未涉足人工智能領域，目前在人工智能取得突出進展的企業還很少。

盡管如此，在2019年，一些有遠見的企業已經在人工智能領域取得了成就，其中部分企業還有令人矚目的成績。我們希望，通過這些公司的部署與動作，給業內人士帶來更多的入局思路。

如何對待急診中遇到的肺結節？

Summa Health是位于俄亥俄州東北部的一個非營利醫療機構，并且是薩米特縣當地最大的企業，共有7000多名員工。

?

CT胸部成像的使用日益廣泛，導致影像學研究中偶然發現肺結節的可能性增加。這些結節已經被證明了難以隨訪。根據《美國放射學院學報》（2016年2月）顯示，偶發性結節的隨訪率在30％至50％之間。

Summa Health的首席肺部專家Sandy Kohut表示：“急診患者的肺結節病灶發現，以及后期隨訪會更加困難，因為這些病灶與急診無關。此外，安排對無癥狀疾病（如肺結節）的后續進一步診斷研究，對于醫療機構來說是一項難題”。

但是，越早發現意味著越早治療，意味著有更多的治療選擇和更高的生存率。

Summa Health向Nuance公司尋求幫助。

此外，Summa還利用了Nuance的PowerScribe 360報告平臺和Nuance的mPower臨床分析產品，讓多學科團隊能夠改善偶然病灶發現的隨訪，并在此過程中改善醫療服務。

Musarra表示：“具體來說，PowerScribe 360報告系統是一個實時的放射學報告系統，它幫助放射科醫生快速高效地生成高質量的報告，從而提高醫生的滿意度，改善病人的體驗。”

談到另一項AI技術NLP時，Musarra補充道，“mPower Clinical Analytics是一個特定用于放射學的人工智能分析平臺。它讓用戶能夠輕松地查詢和分析放射科報告中大量的非結構化或口述的筆記和數據，提高了效率，并且讓困難的數據挖掘過程自動化，使其更容易監測、理解和改進臨床和操作質量。”

利用AI技術后，效果也是顯而易見的。

項目實施六個月之后，Summa Health的質量改善計劃幫助實現了每月確定的隨訪患者數量增加662％，從每月8名增加到每月61名。

Musarra解釋說，患者數量的增加為開設新的肺結節診所做出了貢獻。

最重要的是，多學科團隊建立了處理偶然發現的最佳實踐。

Musarra表示：“他們定期復查偶發性肺結節的CT掃描。為防止過度診療的問題，他們定期審查CT掃描出現的肺結節。Musarra解釋道：“研究小組仔細權衡了發現有潛在風險的病灶，這些新發病灶可能是良性的，但如果從未被檢測到，可能會造成傷害，但不會導致發病率或死亡率。”

“無論何時，病人需要我們”

同樣在2019年，總部位于加州的醫療企業Sutter Health將創新作為其企業使命的一部分。它投資于諸多不同的技術、研究項目和醫療產品，用來改善病人的體驗和病人的診療結果。

除此之外，Sutter Health創建并推出了Virtual Symptom Checker，這是一個新的AI產品，可以根據病人的嚴重程度和病史來檢查癥狀，揭示潛在的原因和下一步計劃。

Sutter health的數字病人體驗主管Albert Chan博士說：“作為一個完整的醫療機構，我們做的最重要的事情之一，就是建立人與人之間的聯系。無論何時，我們的病人和他們的家人都會需要聯系我們。到目前為止，超過一半的病情溝通發生在工作時間之后。”

他補充說，“有了人工智能，醫療系統可以做一些更有意義的事情，比如利用一些自動化的手段，在凌晨也可以回答病人的問題。當你生病時，我們的目標是將你與你所需要的醫療聯系起來，減少人與人之間的摩擦。”

AI幫助醫院降低機器風險

2019年，在醫療人工智能的其他領域，以色列的希巴醫療中心（Sheba Medical Center，世界十大醫療機構）公布了一項研究結果，該研究驗證了醫療IT企業MedAware的AI產品對患者診療的臨床影響。該產品想要利用機器學習技術，最大程度地減少與藥物相關的風險。

雷鋒網了解到，這項研究結果發表在2019年8月7日的《美國醫學信息協會雜志》（Journal of American Medical Informatics Association，簡稱JAMIA）上，研究的題目是“通過在住院病人中應用基于AI臨床決策支持系統，減少藥物處方錯誤和藥物不良事件。”

根據希巴研究發布的數據，在美國，每年可預防的事故占門診死亡的1 / 131，占住院死亡的1 / 854，每年的直接損失超過200億美元，責任成本超過130億美元。而發生這些事故的原因是因為衛生信息系統的計算機發生了故障。

在醫生Gadi Segal博士的帶領下，希巴醫學中心的研究人員評估了MedAware公司的藥物安全平臺的質量、準確性和影響。

該系統已經被整合到該中心現有的HER（電子健康檔案）系統中，希巴醫療中心的醫生分析了MedAwareAI產品在整個醫院范圍內的實施結果。

該平臺監測了過去16個月里開出的所有醫療處方，科室工作人員評估所有警報的準確性、臨床有效性和準確性，記錄了所有醫生對警報的響應。

研究結果表明，總體預警負擔較低，MedAware生成的警告僅占所有處方的0.4％。其他發現包括：

患者狀態發生變化后，已經分發了60％的警告

所有警報中有89％被認為是準確的

所有警報中有80％被認為具有臨床意義

43％的警報導致后續醫療訂單發生更改

2019年，還有其他醫療企業發展人工智能并取得積極成果的案例，2020年將會有更多的醫療人工智能項目。

對于醫療機構CIO和其他管理者來說，AI是一個巨大的舞臺，為了“以患者為中心的醫患互動”這個目標，醫療AI的創業公司和醫生都可以大展身手。

責任編輯：ct