L'intelligence artificielle (IA) peut aider les équipes du service d'urgence (ED) à mieux prévu quels patients auront besoin d'admission à l'hôpital, quelques heures plus tôt que ce qui est actuellement possible, selon une étude multi-hospitalière du Mount Sinai Health System.
En donnant à l'avance des cliniciens, cette approche peut améliorer les soins aux patients et l'expérience du patient, réduire le surpeuplement et l'embarquement « (lorsqu'un patient est admis mais reste à l'urgence car aucun lit n'est disponible) et permettre aux hôpitaux de diriger les ressources où ils ont le plus besoin. Parmi les plus grandes évaluations prospectives de l'IA en milieu d'urgence à ce jour, l'étude publiée dans le numéro en ligne du 9 juillet de la revue Procédure de la clinique Mayo: santé numérique (https://doi.org/10.1016/j.mcpdig.2025.100249).
Dans l'étude, les chercheurs ont collaboré avec plus de 500 infirmières ED dans le système de santé sept hôpitaux. Ensemble, ils ont évalué un modèle d'apprentissage automatique formé sur les données de plus d'un million de visites de patients antérieures. Au cours de deux mois, ils ont comparé les prédictions générées par l'IA avec les évaluations du triage des infirmières pour voir si l'IA pouvait aider à identifier les admissions à l'hôpital probables plus tôt après l'arrivée du patient.
Le surpeuplement et l'embarquement des services d'urgence sont devenus une crise nationale, affectant tout, des résultats des patients à la performance financière. Des industries comme les compagnies aériennes et les hôtels utilisent les réservations pour prévoir la demande et le plan. À l'urgence, nous n'avons pas de réservations. Pourriez-vous imaginer les compagnies aériennes et les hôtels sans réserve, uniquement prévoyant et planifiant des tendances historiques? Bienvenue aux soins de santé. Notre objectif était de voir si l'IA combinée avec la contribution de nos infirmières pourrait aider à accélérer la planification des admissions, une sorte de réservation. Nous avons développé un outil pour prévoir les besoins d'admission avant qu'une commande ne soit passée, offrant des informations qui pourraient fondamentalement améliorer la façon dont les hôpitaux gèrent le flux des patients, ce qui entraîne de meilleurs résultats. «
Jonathan Nover, MBA, RN, Auteur principal, vice-président des services infirmiers et d'urgence, Mount Sinai Health System
L'étude, impliquant près de 50 000 visites de patients dans les hôpitaux urbains et suburbains du Mont Sinaï, a montré que le modèle d'IA s'est produit de manière fiable dans ces divers hôpitaux. Étonnamment, les chercheurs ont constaté que la combinaison des prédictions humaines et machines ne stimulait pas de manière significative la précision, indiquant que le système d'IA seul était un prédicteur fort.
« Nous voulions concevoir un modèle qui ne fonctionne pas bien en théorie, mais pouvons en fait soutenir la prise de décision en première ligne de soins », a déclaré Eyal Klang, chef de l'IA génératrice de la co-corresponding, MD, chef de l'IA génératrice dans le Mount Sinai du Windreich. « En formant l'algorithme sur plus d'un million de visites de patients, nous avons cherché à saisir des modèles significatifs qui pourraient aider à anticiper les admissions plus tôt que les méthodes traditionnelles. La force de cette approche est sa capacité à transformer des données complexes en informations opportunes et exploitables pour les équipes cliniques qui ne peuvent pas fournir les humains. »
Alors que l'étude était limitée à un système de santé sur une période de deux mois, l'équipe espère que les résultats serviront de tremplin pour les futurs tests cliniques en direct. La phase suivante consiste à mettre en œuvre le modèle d'IA dans les flux de travail en temps réel et à mesurer les résultats tels que les temps d'embarquement réduits, l'amélioration du flux des patients et l'efficacité opérationnelle.
« Nous avons été encouragés à voir que l'IA pouvait être seul pour faire des prédictions complexes. Mais tout aussi important, cette étude met en évidence le rôle vital de nos infirmières plus que 500 ont participé directement à la façon dont l'expertise humaine et l'apprentissage automatique peuvent travailler de main dans la main pour réinventer les soins de soins », a déclaré co-correspondant l'auteur principal Robbie Freeman, DNP, RN, NE-BC3, chef de transfert numérique du Montant de la Montant de la transformation Sinai System Systems Systems Systems Systems System. « Cet outil ne concerne pas le remplacement des cliniciens; il s'agit de les soutenir. En prédisant les admissions plus tôt, nous pouvons donner aux équipes de soins le temps dont ils ont besoin pour planifier, coordonner et finalement fournir des soins plus compatissants. Il est inspirant de voir l'IA émerger non comme une idée futuriste, mais comme une solution pratique et réelle façonnée par les personnes de déviation des soins tous les jours. »
Le document est intitulé « Comparer l'apprentissage automatique et les prédictions des infirmières pour les admissions à l'hôpital dans un système de soins d'urgence multisite ».
Les auteurs de l'étude, répertoriés dans la revue, sont Jonathan Nover, MBA, RN; Matthew Bai, MD; Prem Tismina; Ganesh Raut; Dhavalkumar Patel; Girish N Nadkarni, MD, MPH; Benjamin S. Abella, MD, Mphil; Eyal Klang, MD et Robert Freeman, DNP, RN, NE-BC3.
Ce travail a été soutenu en partie par le biais de l'expertise en matière de ressources informatiques et de données et de données fournies par l'informatique scientifique et les données de l'École de médecine de l'ICAHN du mont Sinai et soutenues par les Grant UL1TR004419 des Sciences scientifiques du National et de la translation de la translation (CTSA). La recherche a également été soutenue par l'Office of Research Infrastructure des National Institutes of Health sous le numéro de récompense S10OD026880 et S10OD030463.
