特別企劃

AI革新病歷系統

2020-07-01 撰文╱威爾亞德(Cassandra Willyard)
電子病歷系統拖慢了醫療工作流程,人工智慧或許能改善此困境。


一位名叫羅傑的年輕人,因為腹痛和噁心來到急診室,經檢查後發現疼痛主要在右腹下方,醫生擔心可能是闌尾炎。但等到醫學掃描影像送來時,羅傑已經好多了,影像也顯示他的闌尾看來正常。


這是向美國55名醫生演示的虛構情境,目的是探討電子健康記錄(electronic health record, EHR)的實用性。為了開藥,醫生必須在EHR系統中找出處方,但在其中一家醫院,簡單的搜尋指令卻跳出了80條選項。羅傑是26歲男性,選項竟然包含了兒童和嬰兒用的止痛藥,甚至還有減緩經痛的泰諾。醫生嘗試輸入劑量(500毫克)來篩選,選項變為零,醫生只好重回主選單,終於在第68個選項找到最常開的劑量:泰諾強效止痛藥(500毫克)。原本是件簡單的工作,居然浪費了寶貴的時間和遠超過原本該花的腦力。這只是每天使用EHR時,醫生面對的無數挫折中的其中一例。


把醫師手寫的病患就診記錄、檢驗結果和其他重要醫療訊息,從紙本轉為數位化資料的EHR,原本預期會澈底革新醫療工作流程。2009年美國通過經濟及臨床病歷資訊科技(HITECH)法案,提供360億美元補助來鼓勵醫院和診所把紙本病歷轉為EHR。當時美國總統歐巴馬(Barack Obama)說,這項轉變能「減少垃圾、消除繁瑣手續、降低重複而昂貴的醫療檢驗,而且能減少遍佈美國醫療體系中致命但可防範的醫療錯誤,從而挽救生命。」


當HITECH法案施行時,只有48%的醫師使用EHR,到了2017年,使用率已升至85%,然而EHR改造醫療體系的目標卻未實現。醫生抱怨介面笨拙難用,資料輸入曠日費時,調查顯示醫生花在操作EHR的時間超過與病患實際交流的時間,導致醫生過勞的問題越發嚴重。連歐巴馬都觀察到實施EHR成效未如預期,2017年他告訴新聞網站Vox:「現實比我們預期的困難。」然而根據醫生和資訊科學家的說法,EHR確實有潛力發揮效率和洞察力。人工智慧(AI)領域中的機器學習(machine learning)或許能幫忙排除使用EHR遭遇的種種障礙,釋放它們預測並改善醫療照護的潛能。


2016年美國醫學會與在巴爾的摩和華盛頓特區附近經營10家醫院的醫療之星(MedStar Health)合作,檢查兩個最大EHR系統的實用性,它們分別由塞納(Cerner)和史詩(Epic)兩家資訊科技公司所研發,在急診用途的市佔率達54%。研究團隊召募了四家醫院的急診醫師,提供他們虛構的病患資料和六種情境,看似有闌尾炎的羅傑就是其中之一。這些情境要求醫師執行他們的日常工作,例如開處方和檢驗,研究人員評估醫師完成每項工作所花的時間,需要以滑鼠點選多少選項以及執行時的準確度,結果令人相當沮喪。不同醫院的所需時間和滑鼠點選次數差異極大,即使使用相同系統。不過某些工作明顯在每家醫院都很棘手,例如逐漸減少類固醇劑量,醫生可能需要花2~3分鐘自己計算劑量,再以滑鼠點選20~42條選項。這些設計上的缺陷絕對會造成傷害,醫師往往會開錯劑量。在某家醫院,錯誤率高達50%。


數位化災難

EHR介面難用只是問題之一,另一項阻礙關卡是,不同醫療服務之間的資訊很難銜接。如果病人換醫生、到急診室就診或是搬家,醫療記錄不一定能跟著走。2018年3月,史丹佛大學委託哈里斯民意調查公司進行一項網路調查,調查醫生對EHR的態度,結果令人震驚。醫生回報他們在每位病患上平均花半小時,其中超過60%時間用於操作病人的EHR。有半數在診所執業的基層醫生認為,EHR實際上降低他們的看診效率。不過,儘管現在EHR系統有相當多缺點,大多數醫生仍同意:比起紙本病歷,EHR是極大的進步。


從2015年起,史詩公司開始提供客戶機器學習模型,為了研發這些模型,資訊科學家用已知結果的真實範例來訓練演算法,例如預測目標是哪些病患因感染而併發威脅生命的敗血症的風險最高,演算法就會納入重症加護病房例行蒐集的資料,例如血壓、心率和體溫。數據越齊全,模型運作越好。史詩公司現在已在販售整套模型庫,該公司分析技術與機器學習部門主任海恩(Seth Hain)說:「我們的模型已在超過300家醫療機構裡運作或正準備施用。」敗血症預測模型是最受歡迎的工具之一,每15分鐘掃描一次病患資訊,監控超過80個變數。2017年路易斯安那州的北橡樹醫療體系採用敗血症預測模型,如果患者的分數達到特定數值,EHR系統會寄送警訊給醫生,提醒他們更密切注意病患、必要時提供抗生素。自從該機構使用這個模型後,敗血症造成的死亡率降低了18%......


更多文章
活動推薦更多
追蹤科學人