人工智能预测急诊病人对医院病床的需求
由伦敦大学学院的研究人员和伦敦大学lh的工作人员开发的一种人工智能工具，正被用于预测急诊科有多少病人需要入院，帮助规划人员管理床位需求。
在一篇新论文中描述了这种工具数字医学的实时数据，估计在4小时和8小时内需要多少张病床病人赶到了医院的急诊科
在这项研究中，研究团队表明，该工具比规划者使用的传统基准更准确，该基准基于前六周每周同一天所需的平均床位数。
该工具还计算了尚未到达医院的患者，也提供了比传统方法更详细的信息。该工具不是对当天的整体数字进行单一预测，而是包含一个概率分布在4小时和8小时的时间内需要多少张病床，并每天四次通过电子邮件向医院规划人员提供预测。
研究团队现在正在与UCLH合作，改进模型，以便他们可以估计医院不同区域(例如内科病房或外科病房的床位)需要多少张病床。
该研究的主要作者Zella King博士(伦敦大学学院临床运营研究部和伦敦大学学院健康信息研究所)说:“我们的人工智能模型提供了一天中对床位可能需求的更丰富的图像。他们在病人数据被记录下来的那一刻就开始使用这些数据。我们希望这可以帮助计划人员管理病人流量——这是一项复杂的任务，涉及到平衡紧急入院病人的计划。这对于减少取消手术的数量和确保高质量的医疗服务非常重要。”
UCLH的运营、患者流量和应急准备、弹性和响应负责人Alison Clements说:“这个人工智能工具在帮助我们管理UCLH的招生和患者流量方面将非常有价值。我们的下一步是开始在日常流量会议中使用这些预测。我们期待着继续与伦敦大学学院合作，完善这一工具，并将其预测能力扩展到整个医院。”
研究人员使用2019年5月至2021年7月在UCLH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患者从急诊科入院的概率，这些数据包括年龄和患者如何到达医院，测试结果和咨询次数，并将这些概率结合起来，对所需床位数量进行总体估计。
然后，他们将这些模型的预测与2019年5月至2020年3月的实际录取人数进行了比较，发现它们的表现优于传统方法，与传统方法相比，中心预测平均与实际录取人数相差4人，平均相差6.5人。在COVID来袭后，研究人员能够调整模型，以考虑到到达的人数和他们在机场停留的时间的显著变化急诊科．
资深作者、伦敦大学学院临床运营研究部主任Sonya Crowe教授说:“到目前为止，人工智能在医疗保健中的大多数应用都集中在临床问题上，而我们与伦敦大学学院共同开发的工具旨在帮助医疗保健的运营方面，即如何运行和管理。
“多亏了伦敦大学学院的研究人员和伦敦大学lh的工作人员之间的密切合作，这项工作才得以实现。我们的方法是为UCLH的系统量身定制的，但我们希望它也可以适用于其他医院。”
UCLH临床运营经理Lorraine Walton表示:“该工具的好处在于，它可以对患者需求和特征的实时变化做出反应。这些变化可能是短期的，也可能是长期的。例如，我们发现该工具可以在大流行期间进行调整。重要的是，一旦改进，这个工具将有助于改善患者的体验和结果。”
12个模型中的每一个都关注患者到达后不同时间间隔的数据:第一个模型只关注患者到达时记录的数据，第二个模型关注前15分钟记录的数据，而模型12则关注超过12小时的数据。这是因为各因素的重要性各不相同，这取决于所经过的时间和有多少其他数据可用。例如，在模型1中，到达的方法医院是一个重要的因素，但在后来的模型中变得不那么重要了。研究人员发现，同时使用12个模型比使用较少的模型更准确。
