《Healthcare》:An AI-Powered Precision Patient Tracking System for Interdepartmental Patient Identification and Recall: A Real-World Longitudinal Study
编辑推荐:
背景:在专科诊疗过程中,临床评估可能发现需要由其他科室进一步评估的异常情况。然而,跨科室随访的空白可能延误后续专科评估。本研究评估了AI驱动的精准患者追踪系统(AI-Powered Precision Patient Tracking System, APTS
背景:在专科诊疗过程中,临床评估可能发现需要由其他科室进一步评估的异常情况。然而,跨科室随访的空白可能延误后续专科评估。本研究评估了AI驱动的精准患者追踪系统(AI-Powered Precision Patient Tracking System, APTS)在跨科室患者识别、召回和返诊追踪中的应用,并探讨了其与科室门诊量变化的相关性。
方法:研究人员开展了一项单中心纵向研究,使用深圳市龙岗中心医院2025年1月至2026年9月期间9个临床科室的月度数据,共包含189个科室-月观测值。APTS整合多源临床信息,以支持患者识别、任务分配、召回管理和返诊追踪。采用Callaway–Sant’Anna交错双重差分法估计APTS实施后月度独门诊患者数和门诊就诊量的变化。同时还分析了APTS运行指标以及召回后返回门诊患者的科室来源。
结果:APTS实施后,109,620名患者被分配进行后续管理,其中50,429名(46.0%)进入召回管理,9525名在APTS召回后返回门诊。在这9525名患者中,8593名(90.2%)来源于目标科室以外的其他科室,且此类患者在全部9个科室中均占多数。APTS实施与月度独门诊患者数(?2.5%;95% CI, ?11.2%至7.0%)或门诊就诊量(?1.9%;95% CI, ?12.1%至9.5%)的变化无显著相关性。
结论:APTS的潜在价值可能在于支持跨科室边界的患者识别与管理。在可识别的观察窗口内,未检测到科室门诊量的统计学显著变化,但无法排除可能存在有意义的改变。
在专科诊疗过程中,实验室检查、影像学检查或其他临床评估可能发现需要由另一专科进一步评估和管理的异常。当发现异常的科室与负责后续管理的专科不一致时,患者识别、转诊和随访往往在科室和信息系统的边界之间呈碎片化状态,可能造成随访缺口,延误后续专科评估。传统患者随访主要依赖人工筛查、转诊和随访程序,导致工作负荷大,且难以建立跨科室的连续、可溯源的管理路径。近年来,远程医疗、患者追踪和数字随访技术越来越多地用于患者管理,但多数现有方法仅关注照护路径的单一环节,缺乏整合患者识别、任务分配、主动召回和返诊追踪的结构化路径。人工智能(AI)能够从异构数据中整合信息,但既往应用多聚焦于算法开发、诊断性能和风险预测,AI支持的持续患者管理在真实世界中的证据仍然有限。为此,研究人员开展了一项单中心纵向研究,评估AI驱动的精准患者追踪系统(APTS)在跨科室患者识别、召回和返诊追踪中的作用,并探讨其与科室门诊量变化的关系。
该研究采用了以下关键方法:数据来自深圳市龙岗中心医院9个临床科室2025年1月至2026年9月共189个科室-月观测值,APTS于2025年3月至10月分阶段实施。APTS整合医院实验室信息系统、影像归档和通信系统、电子病历等多源临床数据,利用启真医学大语言模型(QizhenGPT-32B)进行AI辅助筛选,依据可配置的科室管理规则识别患者,并分配至目标科室及病例管理员人工审核。统计上采用Callaway–Sant’Anna交错双重差分法估计门诊量变化,并辅以事件时间分析和原始计数尺度敏感性分析。主要结局为月度独门诊患者数,次要结局为月度门诊就诊量。
研究结果如下:
3.1 研究样本与科室特征:通过描述性分析,9个科室中,APTS实施前观测月数为2至9个月,实施后为12至19个月。各科室门诊量差异较大,如心胸外科月度独门诊患者数中位数为156,普外科为4226,对应的门诊就诊量中位数分别为161和4532。
3.2 门诊量变化:通过交错双重差分分析,APTS实施后,月度独门诊患者数估计变化为?2.5%(95% CI, ?11.2%至7.0%),月度门诊就诊量变化为?1.9%(95% CI, ?12.1%至9.5%),均无统计学显著相关性,提示APTS实施未伴随门诊量的显著改变。
3.3 事件时间分析:通过事件时间聚合分析,预实施期间未发现统计学显著的差异趋势。实施后点估计在实施当月及之后一个月小幅增加(约3.1%和3.7%),但95%同时置信带在所有事件时间均包含零,随后点估计趋近于零并转负,表明无持续的门诊量变化。
3.4 APTS运行指标与返诊:对APTS运行记录进行汇总分析,实施后共有109,620名患者被分配进行后续管理,其中50,429名(46.0%)经人工审核后进入召回管理,9525名在召回后返回门诊,总体召回-返回率为18.9%。各科室进入召回管理的比例差异显著,从4.3%至81.8%不等。
3.5 召回患者的科室来源:对召回后返诊患者的来源分类分析,在9525名患者中,8593名(90.2%)来源于目标科室以外的其他科室,932名(9.8%)来源于目标科室。所有9个科室均以其他来源患者为主,比例范围为68.4%至100.0%,其中内分泌科最高(100.0%),肾内科、泌尿外科和感染科亦超过96%。
3.6 敏感性分析:使用原始计数尺度重新估计模型,结果显示月度独门诊患者数增加56.6(95% CI, ?403.7至517.0),门诊就诊量增加73.1(95% CI, ?450.7至596.9),均不显著,与主分析结果一致。
讨论部分指出,90.2%的召回后返诊患者来自其他科室,这是最突出的发现,提示APTS在跨科室患者识别方面具有潜在价值。这一模式在所有科室中一致出现,凸显了大医院中跨科室管理的重要性。然而,这一比例可能部分反映预设识别规则,且不能排除患者通过常规路径返诊的可能,因此不能据此断言APTS解决了既往未满足的随访需求。门诊量无显著变化可能与替代效应、容量约束或常规照护路径有关,且置信区间较宽,不能排除有意义的改变。从患者管理角度看,既往数字健康研究多聚焦于出院后随访或再入院预防,而APTS更强调将临床相关发现的识别与后续专科管理相连接,其作用可能主要体现在近端过程指标上。研究优势包括真实世界数据、交错实施设计以及从服务量和患者管理路径两个角度进行评价;局限性包括单中心、聚合数据、缺乏可比较的实施前记录、仅9个科室导致统计功效有限,以及无法评估长期结局。
研究结论翻译如下:APTS支持了患者识别、任务分配、召回管理和返诊追踪的结构化路径,其中90.2%的APTS召回后返回门诊患者来源于目标科室以外的其他科室。同时,APTS实施与科室门诊量的显著变化无关联。这些发现提示,APTS可能支持跨科室边界的患者识别与管理。然而,门诊量无统计学显著变化的这一结果应谨慎解读,因为它可能反映了替代效应、容量限制或独立于APTS发生的照护。