提升院感控制质量和效率,这套临床风险系统缘何被三甲医院点赞?

动脉网 中字

救死扶伤的医院,实则风险重重。医护人员每天都在从事高复杂性、高危险性的健康服务活动,如疾病诊断、治疗和护理等。这些服务活动,导致患者一旦进入医院,便会面临一系列临床风险。

美国国家科学院医学研究所2000年发表的专题报告中指出,美国的医疗失误已经成为第五大死亡原因。由于医疗失误所导致的患者损伤,美国每年付出的成本在170亿到290亿美元之间。世界卫生组织公布的数据显示,在发达国家,约有10%的住院患者遭受由各种临床失误或不良事件引起的损伤。

正因如此,降低医疗风险、改进患者安全,能带来巨大的经济效益和社会效益。在此背景下,医院建立系统化、专业化、长效化临床风险管理机制的必要性和紧迫性毋庸置疑。

近几年,国家医疗管理部门对患者安全重视程度不断加深,要求医疗机构充分认识患者安全管理的重要意义,将保障安全作为医疗管理的重要内容,按照“预防为主,系统优化、全员参与、持续改进”的原则大力推进,不断提高医疗机构患者安全管理水平。

然而,受管理理念和技术条件限制,目前医疗机构的临床风险管理模式还主要是风险事件发生后的上报和统计分析。这种事后上报管理存在一系列问题,迫切需要改进。

现阶段的上报往往针对发生后的风险事件,因此只能以结果为管理对象,属于滞后管理。风险事件通常靠医生主动上报,所以难免会遗漏或掩盖问题。另外,医院的风险管理渠道较分散,院内感染、病人跌倒、药品不良反应、深静脉血栓等风险及安全不良事件分别填卡上报,由此催生了多个用于报卡的信息系统,增加了临床的工作负担,造成实际的风险管理成效不甚理想。

针对这种现状,上海利连信息科技有限公司(后简称:利连认知)基于医疗大数据分析、认知计算等技术,与国内著名医院合作,基于高质量临床数据建立临床风险监控和预警模型,提供面向临床风险管理的全面解决方案,帮助医护人员及时感知发现临床风险,甚至根据病人具体情况预测临床风险,从而驱动更高效准确的临床决策,减少临床风险的发生,降低临床风险事件导致的生命和经济损失。

据悉,利连认知创始人牛耀军是原IBM 大中华区医疗健康解决方案实验室团队总经理,曾参与IBM Waston 肿瘤助手的研发和在中国的推广。公司核心成员来自于世界500强科技公司如IBM、HP、Teradata、百度等企业任职的首席医疗行业顾问、顶级大数据分析专家及技术专家。

高维特征分析提取,提高风险事件识别的准确性和及时性

医院感染指医者和患者在医院内获得的感染,是一种重要的临床风险,风险事件占比高,导致损失巨大。北京大学第一医院感染管理疾病预防控制处在2014年的一份研究显示,中国每年发生400万起医院感染,平均每例患者由医院感染所造成的经济损失为29846元,延长住院时间13天。

通常,ICU病房、新生儿病房以及血液科、肿瘤等相关科室是医院感染风险最高的科室。由于这几个科室病人的免疫力较低,且导管、呼吸机等侵袭性、开放性措施的应用较多,因此医院感染的发病率也较高。

南方医科大学附属南方医院感控科主任孙树梅曾对此做过一个形象的比喻。她认为,高危科室就好比容易发生交通事故的路段,即使医生操作规范,也容易出现事故;而普通科室就好比正常的路段,出现事故,多是由于医护人员操作违规导致。

因此,提高医护人员对感染风险的感知能力,及时主动地进行规范性的感染预防和感染事件应对就成为院感风险管理的关键。

保证院感风险事件能得到及时准确的识别判定是提高院感风险管理质量的第一步。客观来讲,目前医院感染事件判别还不具备统一的金标准,往往是以医生经验为主进行判别。

由于一些医生并不具备准确的识别能力或者不愿意上报不良数据,导致感染漏报。这样的自主上报无法体现医院真实的感染状况,所以需要相应的管理科室如感控科依据经验进行判别,这给感控科室带来巨大的工作负担。感控科室往往只能用抽查的方法来对报卡情况进行监督,难以进行全面有效的管理。

在这种情况下,也有一些医院使用感控软件根据专家经验人工整理设计的规则进行院感的识别判定,帮助感控部门提高工作质量和效率。但是由于专家开发模式拟定规则在方法学方面的限制,其规则所涉及的特征维度非常有限,往往只有十几个到几十个,导致风险判定模型的精细度和准确度不高,对院感事件进行识别判定的效果并不理想。

针对这个问题,利连认知通过智能化、数字化的解决方案,推出了一套临床风险管理系统,在国内首次采用PDCA理念设计,对临床风险进行全闭环管控。这套系统首先应用于院感风险管理场景,其中AI风险监控模型是系统的核心。

利连AI风险监控模型基于大量临床数据,使用归纳法进行监督学习,基于集成学习算法进行医院风险辅助诊断模型的构建。以院感为例,该模型所包含的规则主要包括两部分,一部分是基于医院大量感染数据学习出来的“规则”,另一部分是基于多家医院院感科经验知识总结的“规则”。

模型具备可持续学习能力,能够根据不同医院特殊情况优化模型。AI风险监控模型采用集成学习算法的一大优势在于可解释性,可以对结果进行“循证”和“回顾性研究”。

同时,对结果的分析和研究得到的“新证据”、“新规则”又可以加入模型中来进一步优化,最终实现AI风险监控模型的可持续学习和优化。该模型在医院感染监控中具备较好辅助功能,能够实时将可能发生感染的病人呈现给医生,便于医生及时对病人进行干预和治疗,最终达到减少医生工作量,预防感染发生、发展的目的。

与专家开发模式人工整理感染特征值相比,利连AI风险监控模型基于大量真实电子病历数据,利用特征工程进行感染相关特征的发掘分析,识别出很多新的预后变量,涉及的特征值达到三百余个,这极大提升了模型的精细度和准确度,使模型对感染判别的敏感性和特异性都远优于人工规则。

利连认知首席医疗顾问蔡梅平透露:“未来,除了对AI感染风险监控模型进行持续优化,提高系统对感染事件监控的准确性,利连认知还将在临床风险监控领域横向拓展,研发针对深静脉血栓、脓毒血症等领域的风险监控模型”。

临床风险管理重在预防

医院临床风险管理中有一个经常被提及的概念,叫做关口前移。顾名思义,是在临床风险事件发生之前,给予风险预警。但在国内,目前很少有医院能够做到这一点。一来医院缺乏相应的管理数据,二来缺少相应的分析模型和工具。

蔡梅平认为,风险控制不应该是一种滞后工作,而应该从医生了解病人的初始病症开始便进行风险识别和预测。利用风险预测预警模型及时发现临床风险事件苗头,配以规范有效的预防性临床建议,可以帮助医生及时采取预防措施将风险事件发生的概率降到最低。

据悉,利连认知正在进行临床风险预测预警模型的研发工作。基于该模型开发的AI临床风险管理助手,可以在医院临床风险事件发生前,通过病人动态的数据收集和分析,预测风险事件出现的可能性,对高风险事件进行提前预警,为医生提供具体的防控建议,帮助其采取有效的预防措施,减少风险事件发生。

蔡梅平表示:“这个AI助手系统将作为临床风险管理系统的补充,为公司产品线带来新的拓展,在更多的临床科室得到广泛应用。”

医生们怎么看?

上海复旦大学附属中山医院感染控制科,在今年引进了利连认知的产品。感控科主任高晓东告诉动脉网:“采购这套系统,主要是因为医院医生想了解医院的院感发生率,以及病人是否有感染。”

据介绍,中山医院感控科过去都是由专职人员了解每位出院病人的情况。但随着医院病人越来越多,医生没办法对所有的病人都一一了解。通过利连认知的系统,能够让医生迅速、及时地了解病人的主要感染指标以及感染的可能性,并将高危人群筛选出来。

另外,医院要了解临床医生是否有按照规范去做各种诊断或干预,以及感染时是否有做检查,通过医生调研,获取目前送检情况,然后进行监管。这种调查,以前多是由医生或护士去病人那里直接询问情况。有了利连的系统之后,就可以利用该系统整合的各方面临床信息,把想要的目标人群快速筛选出来。

在防控预警方面,感控科可以在病人发生院感感染前,根据系统提示的风险情况,告知临床医生提早做好相关防护措施,从而避免感染发生。

以上海复旦大学附属中山医院为例,目前医院每月出院的病人约为8000人。有了预警系统之后,感控科医生可以节省60%-70%的工作量。对此,高主任表示:“过去是病人出院以后我们再去调查,是一种滞后管理。但现在通过利连认知的系统,我们把感控管理前置,只要临床检测出了结果,系统就能预警。”

医院感染暴发预警,是系统更大层面的应用。中山医院感控科通过利连认知的系统设定一些目标值,确立在何种情况下,可能会出现医院大面积感染暴发的苗头,从而避免一些大型恶性事件发生。“这是建立在单个病人预警之上,整个科室或医院的大的系统预警。”高主任说。

南方医科大学附属南方医院感控科,也是利连认知产品的客户之一。对于利连认知的系统,感控科主任孙树梅如此评价道:“利连的系统是一种监测和干预工具,它能够实时反映医院感染和高危因素,病人稍微有一点风吹草动,医生都能及时发现,杜绝群体事件的发生。”

此外,利连的系统还能够动态地发现一些规律。当病人出现几种危险因素之后,医生就可以通过大数据的及时监测和预警,及时地干预,避免发展成感染事件。

要真正做到医院的精细化管理,需要通过大数据进行量化。一方面,不给临床医生增加额外的负担。医生的本职工作仍然是治疗患者,因此感控科不应该坐等医生上报,被动通知,而应该利用信息化的手段,主动去收集数据,主动服务于临床。

据孙主任介绍,目前国家规定250张床位配一名感控科人员,南方医科大学附属南方医院编制床位是2250,感控管理科医生总共12人。“过去,我们只能抽查,没办法全面监测。现在有了这套系统,我们可以通过精准的数据实现医院风险的全面监测。”孙主任说。

“如果满分100分,我给个90分!”对于利连认知的系统,孙主任给予了高度评价。一方面她希望系统的智能化预警做得更精确,可以将假阴性或者假阳性的概率降到更低。另一方面,她希望系统的输出界面更加简洁,将复杂的事情简单呈现,让医生能够更方便地操作。

声明: 本文系OFweek根据授权转载自其它媒体或授权刊载,目的在于信息传递,并不代表本站赞同其观点和对其真实性负责,如有新闻稿件和图片作品的内容、版权以及其它问题的,请联系我们。
侵权投诉

下载OFweek,一手掌握高科技全行业资讯

还不是OFweek会员,马上注册
打开app,查看更多精彩资讯 >
  • 长按识别二维码
  • 进入OFweek阅读全文
长按图片进行保存