乐于分享
好东西不私藏
夜雨聆风 > > 办公文件 > AI 能帮助更早识别需要安宁缓和医疗的患者吗?嵌入电子病历的算法效果分

AI 能帮助更早识别需要安宁缓和医疗的患者吗?嵌入电子病历的算法效果分

当前时间： 2026-08-17 17:22:13 分类：办公文件 评论(0)
AI 能帮助更早识别需要安宁缓和医疗的患者吗?嵌入电子病历的算法效果分
核
心
观
点
  1. 嵌入电子病历（EHR）的AI算法可显著提高安宁缓和医疗治疗会诊率（RR=2.67）
  2. 算法让"更早识别"成为可能，但医疗系统执行仍是瓶颈
  3. 技术解决"识别"，但"能否落实"取决于人力与组织支持
    一项发表于 npj Digital Medicine 的系统综述与荟萃分析显示：
    嵌入电子病历（EHR）的自动识别算法，可以显著提高安宁缓和医疗治疗会诊率，并增加 DNR 医嘱记录。
    但它对 ICU 收治、住院时长、心理结局等影响有限。
    这项研究更重要的意义在于：
    它改变的不是结局本身，而是"识别与启动照护讨论的时机"。
    一、一个长期存在的临床问题：识别太晚
    在真实临床中，安宁缓和医疗的价值已经被广泛认可，但一个现实问题始终存在：
    很多患者被识别得太晚。
    等到症状明显加重、治疗选择变窄时，才开始介入，往往错过了：
    • 症状控制窗口期
    • 照护目标讨论时机
    • 家庭决策支持阶段
    于是问题变成：
    能否更早"看见"这些患者？
    二、研究在做什么？
    研究团队系统检索截至 2025 年 12 月的随机试验，最终纳入：
    • 7 项随机试验
    • 125,666 名患者
    • 全部来自美国医疗系统
    这些研究的共同点是：
    将算法嵌入电子病历（EHR, Electronic Health Record）系统，通过常规临床数据自动识别高缓和需求患者，例如：
    • 年龄与诊断
    • 生命体征
    • 实验室指标
    • 用药信息
    • 临床记录
    当满足条件时，系统在工作流中发出提醒。
    研究关注的是一个核心问题：
    这些提醒是否真正改变了临床行为？
    三、最明确的结果：会诊率显著提高
    在 5 项可合并研究中，结果非常一致：
    安宁缓和医疗会诊率显著上升
    • 总体 RR = 2.67
    • 非癌症患者 RR = 2.19
    • 癌症患者 RR = 5.31
    意味着：
    算法显著增加了安宁缓和医疗团队的介入机会。
    换句话说：
    从"可能需要"，变成"已经进入会诊流程"。
    四、照护讨论也更早发生
    两项试验显示：
    DNR（Do Not Resuscitate，不抢救医嘱）记录率增加
    • RR = 1.22
    这通常意味着：
    • 更早开展目标照护讨论
    • 更明确记录患者意愿
    • 更早进入决策沟通阶段
    这是一个重要变化，因为在安宁缓和医疗中：
    很多关键决策发生在"是否开始讨论"之前，而不是之后。
    五、但并不是所有结果都改变了
    研究同时发现，多项结局没有显著差异：
    • ICU 收治率
    • 住院时间
    • ICU 住院时长
    • 再入院率
    • 家属心理负担指标
    • 目标一致照护体验
    这说明：
    识别增强 ≠ 全面结局改善
    医疗系统的复杂性仍然存在。
    六、一个容易被误解的信号：院内死亡略高
    部分试验中，院内死亡略有上升：
    • RR = 1.13（边缘性）
    作者强调：需谨慎解释。
    更可能的原因是：
    • 更早识别临终轨迹
    • 更早进行目标照护讨论
    • 更倾向选择舒适照护
    因此，这一结果：
    不等同于"更差结果"，而可能是照护路径改变。
    七、真正的瓶颈不在算法本身
    研究指出一个现实问题：
    算法可以提醒，但不保证行动发生。
    影响因素包括：
    • 安宁缓和医疗团队人力限制
    • 医疗系统执行差异
    • 非癌症患者路径复杂
    • 组织支持与培训差异
    也就是说：
    技术解决"识别"，但系统决定"能否落实"。
    八、这项研究真正告诉我们的
    它没有证明 AI 改善所有结局，但提供了一个清晰方向：
    把安宁缓和医疗从"后期介入"，推向"更早启动讨论"。
    这种改变的意义在于：
    • 更早发现需求
    • 更早沟通目标
    • 更早对齐治疗方向
    结尾
    也许这项研究最重要的启示并不是：
    "AI 做了什么决定"
    而是：
    它让临床团队更早看见了原本容易被错过的患者。
    在很多医疗问题中，"更早被看见"，本身就是改变的开始。
    你认为在真实临床中：
    👉 "更早识别"最难的部分是技术问题，还是执行问题？
    欢迎留言讨论。
    精彩推荐
    安宁疗护转诊时机：数据揭示"越早越好"的真正含义

    【本文金句】（欢迎媒体和公众号引用）

    "算法可以提醒，但不保证行动发生。"
    "技术解决'识别'，但系统决定'能否落实'。"
    "'更早被看见'，本身就是改变的开始。"
    "识别增强 ≠ 全面结局改善。"

    【转载授权】

    欢迎业内媒体、公众号转载，请注明出处："宁静致远余生慢行"。

    如需申请白名单或改编内容，请通过后台留言联系。

    【原创声明】

    本文基于npj Digital Medicine发表的系统综述与荟萃分析撰写，内容严谨依据原文，转载请保留引用来源。

    Hou CW, Hu MC, Gautama MSN, Huang TW. Automated algorithms for identifying patients requiring palliative care: a systematic review and meta-analysis. npj Digital Medicine. 2026;9:238.