JAMA：人工智能系统帮助医生识别有自杀风险的病人

范德比尔特大学医学中心的一项新研究表明，人工智能驱动的临床警报可以帮助医生识别有自杀风险的患者，从而有可能改善常规医疗环境中的预防工作。这项研究发表在jama Network Open上。

　　

范德比尔特大学医学中心的一项新研究表明，由人工智能（AI）驱动的临床警报可以帮助医生识别有自杀风险的患者，从而有可能改善常规医疗环境中的预防工作。

由精神病学副教授科林·沃尔什（Colin Walsh）领导的一个团队测试了他们的人工智能系统，称为范德比尔特自杀企图和思维可能性模型（VSAIL），是否能有效地促使VUMC三家神经病学诊所的医生在定期就诊期间筛查患者的自杀风险。

这项发表在《美国医学会杂志网络开放版》（JAMA Network Open）上的研究比较了两种方法——一种是打断医生工作流程的自动弹出警报，另一种是在患者电子病历中简单显示风险信息的更被动的系统。

研究发现，中断式警报要有效得多，42%的筛查警报会让医生进行自杀风险评估，而被动系统的这一比例只有4%。

沃尔什说：“大多数死于自杀的人在死前一年都去看过医生，原因往往与心理健康无关。”“但普遍筛查并不适用于所有情况。我们开发VSAIL是为了帮助识别高风险患者，并促进重点筛查对话。”

近一代人以来，美国的自杀率一直呈上升趋势，据估计，每年每10万美国人中就有14.2人死于自杀，成为美国第11大死因。研究表明，77%死于自杀的人在死亡前一年曾与初级保健提供者接触。

提高风险筛查的呼声促使研究人员探索识别最需要评估的患者的方法。沃尔什的团队在范德比尔特大学开发的VSAIL模型分析了电子健康记录中的常规信息，以计算患者30天内自杀企图的风险。在早期的前瞻性测试中，VUMC的患者记录被标记，但没有发出警报，该模型被证明在识别高风险患者方面是有效的，系统标记的每23个人中就有一个后来报告了自杀念头。

在这项新研究中，当被VSAIL识别为高风险的患者来到范德比尔特的神经病学诊所预约时，他们的医生会随机收到中断或非中断的警报。这项研究主要集中在神经病学诊所，因为某些神经系统疾病与自杀风险增加有关。

研究人员建议，类似的系统可以在其他医疗环境中进行测试。

沃尔什说：“自动化系统只标记了大约8%的病人进行筛查。”“这种选择性的方法使繁忙的诊所更容易实施自杀预防工作。”

这项研究涉及7732名患者在6个月内就诊，总共提示了596次筛查警报。在30天的随访期间，在对VUMC健康记录的回顾中，两个随机警报组中均未发现有自杀意念发作或自杀未遂的患者。虽然中断警报在提示筛查方面更有效，但它们可能会导致“警报疲劳”——当医生被频繁的自动通知所淹没时。研究人员指出，未来的研究应该对这一问题进行调查。

沃尔什说：“卫生保健系统需要平衡中断警报的有效性和潜在的负面影响。”“但这些结果表明，自动风险检测与精心设计的警报相结合，可以帮助我们识别更多需要自杀预防服务的患者。”