医生在尿路感染管理中采用人工智能驱动的临床决策支持系统的模式

《Scientific Reports》：Physician adoption patterns of AI-driven clinical decision support systems in urinary tract infection management

　　

摘要

2021年，Maccabi Healthcare Services（MHS）推出了“UTI Smart-Set”（UTIS），这是一个基于机器学习（ML）算法的人工智能驱动的决策支持系统（DSS），旨在优化尿路感染（UTI）的抗生素治疗。UTIS将抗生素使用不匹配的情况（即病原体对所开经验性抗生素的耐药性）减少了约30%，但仍有约33%的医生没有遵循其建议。我们的研究旨在根据医生是否使用UTIS来分析他们的特征。我们使用MHS在2023年9月至2024年3月期间的尿路感染病例数据进行了回顾性队列研究，共纳入626名医生和15,033例病例。研究分析了医生特征与是否执行UTIS建议之间的关联，并考虑了患者和病例层面的变量。结果显示，接诊年轻患者的医生（每年比值比[OR]为0.952，95%置信区间[CI]为0.922–0.983）、诊断出更多尿路感染的医生（每例病例的OR为1.021，95% CI为1.007–1.035）以及在团队医疗机构工作的医生（OR为1.542，95% CI为1.02–2.333）更有可能遵循UTIS的建议。相反，年龄较大的医生（每年OR为1.034，95% CI为1.012–1.056）、在阿拉伯语地区工作的医生（OR为3.474，95% CI为1.709–7.062）以及接诊患者数量较多的医生（每100名患者的OR为1.027，95% CI为1.003–1.052）则不太可能执行UTIS的建议。解决这些医生的特征问题对于提高决策支持系统的整合效果至关重要。