人工智能工具预测医院病床需求

中描述的自然数字医学，该工具通过查看到达医院急诊科的患者的实时数据来估计将需要多少张病床。

在这项研究中，研究团队表明，该工具比规划师使用的传统基准更准确，该基准是基于过去六周内每周同一天所需床位的平均数量。

该工具还包括尚未到达医院的患者，比传统方法提供了更详细的信息。该工具不是对一天的整体数据进行单一预测，而是包括4小时和8小时内所需床位数量的概率分布，每天提供四次预测，并通过电子邮件发送给医院计划人员。

研究人员现在正与伦敦大学医学院合作，改进这些模型，以便他们能够估计医院不同区域需要多少张病床，例如内科病房或外科病房的病床。

该研究的主要作者、伦敦大学学院临床运营研究部和伦敦大学学院健康信息学研究所的泽拉·金博士说:“我们的人工智能模型提供了一幅更丰富的图片，显示了一天中对床位的可能需求。”他们利用病人的数据，一旦这些数据被记录下来。

“我们希望这能帮助计划人员管理患者流量——这是一项复杂的任务，涉及到平衡计划患者和紧急入院患者。这对于减少取消手术的数量和确保高质量的护理非常重要。”

更多在医疗保健领域

研究人员表示，他们利用2019年5月至2021年7月期间在伦敦大学医院记录的患者数据，训练了12个机器学习模型。

这些模型评估了每个病人从急诊科被收住医院的概率，其数据范围包括年龄、病人入院方式、测试结果和会诊次数。它综合了这些概率，对所需床位数量进行了总体估计。

然后，他们将模型的预测与2019年5月至2020年3月间的实际录取情况进行了比较。他们发现，他们的表现优于传统方法，中心预测平均比实际数字差4个，而传统方法平均比实际数字差6.5个。

在新冠肺炎爆发后，研究人员调整了模型，以考虑到到达急诊室的人数和他们在急诊室呆的时间的显著变化。

伦敦大学医院运营、患者流量和应急准备、复原力和反应部门负责人艾莉森·克莱门茨说，该工具将“非常有价值”。

克莱门茨说:“我们的下一步是开始在日常流量会议中使用预测。”“我们期待与伦敦大学学院继续合作，完善该工具，并扩大其在整个医院的预测能力。”

这项工作由伦敦大学学院和合作医院Wellcome机构战略支持基金(ISSF)和NIHR UCLH生物医学研究中心的拨款资助。几位贡献者得到了国家健康研究所和国家健康研究中心的资助。