(相关资料图)

阿尔伯塔大学的研究人员正在使用一种人工智能形式来帮助医生更好地预测哪些患者可能因阿片类药物处方而出现不良后果。

在新发表的研究中，合作团队创建了一个机器学习模型来估计在服用阿片类药物处方后 30 天内急诊、住院或死亡的风险。机器学习使计算机能够在大量数据中找到模式，随着时间的推移，它们会随着不断验证和使用更新的信息重新训练而变得更加准确。

该模型将药房数据与行政健康数据交叉引用——每次患者与医疗保健系统交互时创建的记录，从急诊室和医生就诊到血液测试和扫描。他们追踪了 2018 年和 2019 年 853,324 名艾伯塔省成人的匿名记录，当时开出了 6,181,025 份阿片类药物处方，报告了 77,326 起不良事件。

流行病学家兼公共卫生学院教授迪恩·尤里希 (Dean Eurich) 表示，医生会按照指南来确定哪些患者的风险较高，但他们并不能抓住所有人，因为他们通常信息有限。

“机器学习可以将我们要研究的变量数量从几十个扩展到 5,000 个，因此我们可以依赖您的实验室、您的住院治疗、您的医生就诊、您过去服用的药物——所有这些信息现在可以将其放入模型中，以根据低风险或高风险出现不良结果来预测您在频谱中的位置，”Eurich 解释道。

“人的大脑无法同时处理那么多信息。”

拯救生命，节省金钱

该模型是与健康信息公司 Okaki 和艾伯塔省内外科医师学院合作创建的，他们作为跟踪处方计划的管理员负责日常监测阿片类药物处方，这是减缓阿片类药物处方的众多努力之一持续的阿片类药物危机在 2022 年夺走了 1346 名艾伯塔人的生命。