UCSF创建一个强大的AI系统，可提高肿瘤学护理

多年来，癌症护理的复杂性已显着增加。曾经被认为是单疾病的东西现在分为多种亚型，每种都需要基于不断发展的临床指南的不同治疗计划。

挑战

这为肿瘤学家带来了越来越多的挑战，肿瘤学家必须管理各种癌症类型，同时还可以迅速改变最佳实践。

当今肿瘤学的另一个大挑战是不断发展的临床准则的庞大和复杂性。国家综合癌症网络，美国临床肿瘤学会和美国癌症学会等国家组织定期根据新的临床试验数据，新兴疗法和不断发展的治疗范例来更新其建议，有时每年数百次。

这些指南并不总是在整个组织中标准化，并且个别癌症中心通常会增加自己的专业知识层，这使得临床医生更难跟踪和始终如一地运用最新的最佳实践。

加州大学旧金山分校医学助理教授特拉维斯·扎克（Travis Zack）博士说，同时，获得专业肿瘤学家的机会变得越来越困难。

他解释说：“许多地区都面临肿瘤学专家的短缺，迫使全科医生对最初的癌症检查和治疗计划承担更多责任。”“但是，全科医生通常缺乏时间或专门的培训，无法全面了解最新的肿瘤学指南，这可能会导致护理和治疗延迟的不一致。

他继续说：“非结构化患者数据以及根据更新的治疗指南的汇总和审查该信息所需的时间也面临着根本性的挑战，以便为患者提供最佳建议。”

认识到这些挑战，加利福尼亚大学旧金山大学与卫生IT和临床服务公司的颜色合作â开发AI技术可以自动化肿瘤学家的最新临床准则，以及有关患者的所有信息。

扎克指出：“建立一个决策支持系统，可以将国家准则和患者数据与当地机构的最佳实践无缝整合，以确保每个患者获得最新，基于证据的护理，而无需为已经劳累的临床医生增加额外的认知负担，” Zak指出。

他补充说：“这项基本挑战确保肿瘤学家在优化医师时间的同时，可以快速，可靠地访问最新的，基于证据的建议。

提议

AI系统将结合一个大型语言模型，并由所有适用的国家和地方机构指南所告知，并与透明的逻辑相结合，以便临床医生可以准确地看到AI如何以及为什么提出建议。

目标是确保每一次肿瘤学咨询首先是一个完整，结构化和最新的数据集，减少信息差距，并优化医生的时间以完成患者的工作。

为了实现这一目标，Zack解释了AI的设计具有两个核心功能：

1. 汇总和构建临床数据系统从电子健康记录中提取并组织相关的患者信息，以全面了解患者病情。如果关键数据（例如活检结果），分子测试或分期扫描缺失，则在肿瘤学咨询之前，AI标记为防止不必要的延迟。

2. 整合国家和地方临床指南AI同时包含了标准准则（来自NCCN，ACS和ASCO等来源）和机构特定的方案，以确保向医生提供针对患者特定案例量身定制的最相关，最新的治疗建议。

Zack解释说：“例如，如果将患者转诊为可疑的肺癌，则该系统可以自动评估是否采取了所有必要的诊断步骤。”“如果缺少关键测试，它会提示转介医师在患者肿瘤访问之前订购。在咨询期间，AI随后为决策提供了基于证据的框架，从而减少了生理学家的认知负担，同时确保遵守最佳实践。

他补充说：“总体目标不是取代人类的判断，而是提高判断力 - 允许肿瘤学家专注于个性化的治疗决策，而不是花宝贵的时间来检索和验证信息。”

满足挑战

这AI技术已部署在肿瘤学中工作流以支持全科医生和肿瘤学家，确保患者旅程中的每一步都受到全面的，基于证据的见解的指导。

在UCSF发表的研究中，彩色临床医生分析了UCSF 50提供的100例鉴定的患者病例，用于乳腺癌，50例为结肠癌。每种情况都包括两组记录：诊断记录，其中包含所有可用信息，包括诊断日期和治疗记录，涵盖了所有记录，但不包括治疗日期。

为了评估AI，彩色临床医生分为两个阶段处理了这些病例：

• 诊断类型：100例患者病例（50乳，50结肠），仅使用诊断日期之前可用的记录。

• 治疗类型：100例患者病例（50个乳房，50结肠），其中包含记录，但不超过治疗开始日期。

扎克说：“彩色的初级保健医师审查了AI生成的产出，并在必要时进行了调整。”“通过跟踪在三个关键领域进行的修改数量来评估系统的性能：提取的决策因素的准确性，推荐检查与患者状况的相关性以及相关工作的完整性。此外，该研究还记录了临床医生使用AI最终确定每个工作计划所需的时间。

他继续说：“ AI系统与电子健康记录和其他医疗数据库集成在一起，以简化对患者信息的访问和解释。”“患者数据已被取消确定以保护机密性。该系统还集成到各种技术流中，以了解和评估乳腺癌和结肠癌类型的所有最新临床指南。”

那么它是如何在实践中工作的呢？像这样：

1. 数据聚集和结构。在进行肿瘤学咨询之前，AI自动从患者记录中汇总了所有相关的临床信息，并确定了缺失的诊断步骤。

2. 基于指南的建议。在护理时期，该系统根据国家准则和机构特定的政策提供了量身定制的建议。

3. 持续学习和更新。AI动态纳入了最新的临床研究和指南更新，以确保医生始终与最新的证据一起工作。

Zack说：“通过减少行政任务上花费的时间并消除护理上的矛盾，AI允许肿瘤学家专注于患者的互动和治疗计划，以更快，更有效的癌症护理。”

结果

这AI肿瘤学的实施工作流程导致了效率和决策的可衡量提高。最值得注意的结果之一是，肿瘤学家在做出治疗决策之前花费了审查患者记录和临床指南的时间大幅度减少。

Zack解释说：“以前，此过程可能需要一到两个小时，尤其是对于需要审查广泛病史并不断发展的指导线建议的复杂案例。”“有了AI系统，在大多数情况下，这次已减少到大约10到15分钟。通过自动化数据聚合并构建相关的临床信息，该系统使肿瘤学家能够专注于决策，而不是手动数据检索。

他继续说：“另一个关键发现是AI生成的建议与肿瘤学家提出的建议之间的一致性很高。”“在一项比较研究中，AI的治疗建议与肿瘤学家根据标准准则做出的临床决定之间有95％的一致性。”

他补充说，这表明AI系统正在有效地合成和应用国家和机构指南，以支持临床决策的方式。他说，尽管人类的监督仍然至关重要，但这种一定的共识表明，AI可以作为加强基于证据的护理的可靠工具。

Zack报道：“此外，该系统还有助于改善治疗开始的及时性。”“在订购基本诊断测试（例如活检或基因组测试）的延迟可能会延长诊断和治疗之间的时间，有时甚至是数周或几个月。

他继续说：“通过在此过程的早期确定缺失但必要的检查，AI系统有助于减少这些延迟，以确保患者以及时的方式进行治疗。”“鉴于早期干预对肿瘤学至关重要，因此延迟的这种减少代表了患者护理的重要改善。”

总体而言，这些结果表明，AI可以在提高肿瘤学护理中的效率，标准化和及时性中发挥有意义的作用，尤其是在获得专业知识可能受到限制的环境中。

对他人的建议

Zack建议，对于希望将AI纳入肿瘤学或其他专业的医疗组织，战略性和结构化的实施方法至关重要。

他说：“主要考虑因素之一是确保AI系统可以访问全面，准确的患者数据。”“ AI驱动的决策支持工具依靠完整的数据集来生成临床意义的建议。

他继续说：“但是，电子健康记录和其他数据源之间的互操作性挑战可能会导致不完整的临床图片，这可能会影响AI输出的可靠性。”“通过有效的数据集成和标准化解决这些差距应该是实施之前的优先级。”

他指出，另一个重要因素是AI驱动的建议与临床判断之间的平衡。

他强调说：“应将人工智能视为支持而不是取代肿瘤学家和其他医疗保健提供者的工具。”组织应确保临床医生继续积极参与解释AI生成的见解，并在必要时覆盖或修改建议。

他总结说：“为了促进这一点，AI系统应提供透明且可解释的决策途径，使用户能够了解如何生成建议。”“对基本逻辑的清晰可见性建立了对AI辅助决策的信任，并促进了临床医生的收养。”

关注比尔在LinkedIn上的命中率：比尔·西维奇
给他发电子邮件： bsiwicki@himss.org
Healthcare IT News是HIMSS媒体出版物。

立即观看：西雅图儿童首席AI官通过该技术进行更好的结果