考虑一下这个场景:一个电话在你的诊所来自当地一个初级保健医生发现了一个疑似腹主动脉瘤患者,一个65岁的男人,在一次例行检查。你问医生给病人的护理团队的联系信息,书籍随访检查。动脉瘤的进一步成像显示主动脉是略低于5.5厘米阈值需要干预,根据目前国家AAA筛查指标。
你向病人解释,你需要留意他们的条件,你希望他们会回来在6个月随访扫描。如果你65岁就像35%的腹主动脉瘤患者,他们去不复返,和许多人一样,他们后来出现破裂动脉瘤在当地的社区医院的急诊室。
破裂腹主动脉瘤(AAA)是主要的死亡原因在美国。估计有110万美国人AAA,谁通常无症状直到破裂。经历一个破裂的患者,其中超过10000 - 85%,就会死亡。令人沮丧的是,43%的AAA破裂死亡发生在患者以外的国家AAA筛查指南:34%的女性和9%的男性下65岁。
尽管迫切需要更好地识别和治疗AAA患者,血管护理协调需要地址条件处于断裂状态。考虑另一种情况。
急诊病人进入你有严重的腹部或背部疼痛。CT扫描,和病人被诊断患有肾结石。虽然放射科医生指出一些主动脉扩张,病人放入肾结石工作流和AAA的工作列表。病人失访和礼物年后破裂。
除了这些病人被认为没有风险或那些陷入困境,还有其他的因素,提高壁垒和并发症护理。病人是不一致的,健康保险的复杂性,护理短缺,或减少血管外科实习生意味着所有的路径连接血管保健团队的患者需要在正确的时间正确的护理是一项艰巨的挑战。
可以做些什么来帮助确保高危患者不会崩溃?这是一个方面,人工智能和机器学习(AI /毫升)可以做出贡献血管保健都直接和拯救生命的长期影响。事实上,AI / ML-powered干预可以通过早期检测和改善沟通导致选择性修复和防止AAA破裂。
AI-ML-powered创新可以被用来自动搜索可疑的腹主动脉瘤的存在从任何CTA完全基于数据和不受歧视。如果找到了疑似AAA,有关护理团队的成员——无论它是一个血管协调员,外科医生,家伙,胸腔,护士医生或护士导航器,实时通知,持续的基础。这使护理团队的机会,能够捕捉和招收患者随访护理,建议他们关于他们的情况,并推荐急需护理选项,如果必要的。
有鉴于此,一些球员将AI纳入护理工作模块。Viz.ai,我作为一个顾问,他们最近收到的第一个FDA批准一个AI-powered疑似AAA的检测和分类的解决方案。该算法利用人工智能自动搜索的疑似腹主动脉瘤(AAA)从任何计算机断层扫描血管造影(CTA)在医院任何扫描仪在任何机构网络,利用公司的平台。如果找到了疑似AAA,有关护理团队的成员将自动通知。这给了护理团队能够捕获和登记患者的后续治疗和/或顾问他们不分青红皂白地。
这是运动保健的一部分急需的和不断增长的创新。AAA破裂是一个灾难性的医疗紧急情况,只有一半AAAs破裂患者到达医院的活着。对于那些做什么,每分钟存活率下降约1%。80%不生存修复。故事为男性和女性是不一样的。
美国预防服务工作组(USPSTF)建议AAA筛查男性吸烟史的65 - 75岁的高患病率AAA在这个人口和减少了AAA-related死亡率已筛选的人。然而,至少33%的AAA住院和41%的主动脉瘤破裂死亡是女性,和22%的AAA-related死亡发生在不吸烟者。对于这些群体,筛选获得了年级D(对)或C(中立的建议),USPSTF的分别。因此,当前国家AAA筛查指南没有目标的一些人口中许多AAA破裂和死亡发生。
这种差距的指导和实际结果之间的另一个原因是模式识别疾病的护理外推荐参数非常重要。他们可以做自动捕获和提到病人的工作,跟随AAA级的存在,不管病人的年龄,性别和位置,并最终,防止灾难性的主动脉紧急情况。
人工智能的解决方案越来越可用,应该欢迎过度,资源不足血管团队需要护理协调的好处。这个解决方案对每个人来说都是一个积极的一步:医师、护理团队和医院系统,而且,最重要的是,他们的病人。