0

Корзина пуста.

Исследование: как ИИ помогает планировать нагрузку на персонал стационаров


Группа ученых из Юго-Восточной Шотландии разработала и проверила в действии AI-модель для прогнозирования объема медицинской помощи пожилым пациентам в течение первых 72 часов после их экстренной госпитализации. Цель — оптимизировать распределение ресурсов и ускорить направление по необходимому лечебному маршруту (к нужному специалисту, на обследование или терапию).

Использовались электронные медицинские карты (ЭМК) 98 242 пациентов в возрасте от 50 лет и старше. Алгоритмы обучали предсказывать не только классические исходы (смерть, длительность госпитализации), но и интенсивность ухода — будущее количество контактов с медсестрами и реабилитологами.


Результаты

  • Модель с высокой точностью (до 90%) выявляла в первые 24-72 часа необходимость в специализированной гериатрической помощи и реабилитации. Лучше всего определяла пациентов, которым потребуется наибольший объем помощи.
  • Точность прогноза объема помощи со временем повышалась. Ошибка снизилась с 49% в момент поступления в стационар до 34% через 72 часа после госпитализации.
  • Рутинные сестринские оценки (риск пролежней, делирия, падений) оказались мощными прогностическими факторами, иногда важнее возраста и числа хронических болезней. Отсутствие таких оценок в карте также было тревожным сигналом, указывающим на возможные пробелы в уходе и рост будущей нагрузки на персонал.

Выводы

Машинное обучение на основе данных ЭМК открывает путь к более персонализированному и эффективному распределению ограниченных ресурсов стационара для помощи пожилым пациентам, поступающим в экстренном порядке. Однако предложенные алгоритмы — это лишь инструмент поддержки решений, а не автономные системы. Они требуют обязательного контроля со стороны врачей, особенно в первые часы госпитализации.

В целом данное исследование отражает общий тренд в медицинском ИИ: новые модели становятся более контекстными, учитывая не только диагнозы, но и цифровые «следы» взаимодействия с пациентами, что повышает точность прогнозов и улучшает исходы лечения.

Источник

Источник