临床试验表明，人工智能工具在产生转诊至成瘾专家方面与医疗服务提供者一样有效。一个由国立卫生研究院(NIH)资助的研究团队开发的人工智能(AI)驱动的筛查工具，成功识别了有阿片类药物使用依赖风险的住院成年人，并推荐转诊至住院成瘾专家。这种基于人工智能的方法在启动成瘾专家咨询和推荐监测阿片类药物戒断方面，与仅由医疗服务提供者启动的方法同样有效。与接受医疗服务提供者启动的咨询的患者相比，接受人工智能筛查的患者在首次出院后30天内再次入院的可能性降低了47%。这种再入院率的降低在研究期间总共节省了约10.9万美元的医疗保健成本。

　　

　　这项发表在《自然医学》杂志上的研究报告了一项完成的临床试验结果，展示了人工智能在现实世界医疗环境中影响患者治疗结果的潜力。这项研究表明，投资人工智能可能是一个有前景的战略，特别是对于寻求增加成瘾治疗机会的医疗系统来说，同时提高效率和节省成本。“成瘾治疗仍然严重不受重视，容易被忽视，特别是在医院负担过重的情况下，在那里整合筛查等资源密集型程序可能具有挑战性，”NIH国家药物滥用研究所（NIDA）所长、医学博士诺拉・D・沃尔科夫说。“人工智能有潜力加强成瘾治疗的实施，同时优化医院工作流程并降低医疗成本。”

　　

　　在一项临床试验中，威斯康星大学麦迪逊医学与公共卫生学院的研究人员将医生主导的成瘾专家咨询与他们的人工智能筛查工具的性能进行了比较，这些工具已经在之前的工作中开发和验证。研究人员首先在2021年3月至10月和2022年3月至10月期间，在威斯康星州麦迪逊大学医院测量了医疗服务提供者主导的咨询的有效性，其中医疗服务提供者为鸦片依赖障碍进行特别成瘾专家咨询。

　　

　　然后，他们在2023年3月至10月期间实施了AI筛查工具，以帮助医疗服务提供者，并在整个住院过程中提醒他们患者需要成瘾专家的照顾。从开始到结束，该试验筛查了51,760例成人住院患者，其中66%的患者未部署AI筛查工具，34%的患者在整个医院范围内部署了AI筛查工具。在研究期间，共完成了727次成瘾医学咨询。AI筛查工具旨在识别数据中的模式，例如我们的大脑如何处理视觉信息。它实时分析了电子健康记录中所有可用文档(如临床笔记和病史)中的信息，以识别与鸦片依赖障碍相关的特征和模式。在识别后，系统会在医疗服务提供者打开患者病历时向他们发出警报，建议他们安排成瘾医学咨询并监测和治疗戒断症状。试验发现，AI提供的咨询与服务提供者发起的咨询同样有效，确保质量不会下降，同时提供了一种更具规模性和自动化的方法。

　　

　　具体而言，研究显示，当医疗保健专业人员使用AI筛查工具时，1.51%的住院成年人接受了成瘾医学咨询，而在没有AI工具帮助的情况下，这一比例为1.35%。此外，AI筛查与较少的30天再入院率有关，AI筛查组中约8%的住院成年人再次入院，而传统服务提供者主导的组中这一比例为14%。根据优势比计算，在考虑患者年龄、性别、种族和民族、保险状况和合并症因素后，30天再住院次数的减少仍然保持不变。在使用优势比分析结果时，研究人员估计使用人工智能筛查器可以减少16次再住院次数。随后的成本效益分析表明，患者、医疗保险公司和/或医院每次再住院的净成本减少了6,801美元。即使考虑了维护人工智能软件的成本，在使用人工智能筛查器的8个月研究期间，估计总共节省了108,800美元的医疗保健成本。

　　

　　目前，医院30天再住院的平均成本估计为16,300美元。威斯康星大学麦迪逊分校该研究的首席作者兼副教授MajidAfshar博士表示：“人工智能在医疗环境中具有潜力，但许多基于人工智能的筛查模型仍处于开发阶段，尚未整合到现实世界的环境中。”“我们的研究代表了人工智能筛查工具嵌入成瘾医学和医院工作流程的首次演示之一，突出了这种方法的实用性和现实世界的前景。”

　　

　　尽管人工智能筛查器表现出强大的有效性，但挑战仍然存在，包括提供者之间潜在的预警疲劳，以及需要在不同医疗保健系统中进行更广泛的验证。作者还指出，尽管各种研究时期(跨越多年)在季节性上是匹配的，但阿片类药物危机的不断演变本质可能已经引入了残留的偏差。未来的研究将侧重于优化人工智能工具的集成，并评估其对患者预后的长期影响。阿片类药物危机继续给美国医疗保健系统带来压力，从2022年到2023年，急诊科物质使用入院人数增加了近6%,估计达到760万人。

　　

　　阿片类药物是这些就诊的第二大主要原因，仅次于酒精，但医院对阿片类药物使用依赖的筛查仍然不一致。结果，住院的阿片类药物使用依赖患者经常在看成瘾专家之前就离开医院，这一因素导致阿片类药物过量使用率增加了十倍。人工智能技术已经成为一种新颖的、可扩展的工具，可能有助于克服这些障碍，并提高早期干预和与阿片类药物使用依赖药物联系的机会，但需要更多的研究来了解如何在医疗保健环境中有效地使用人工智能。