在此前结束的RSNA上，国内外AI企业无论是产品还是科研再一次赢得了全世界的关注。众多医疗企业也正在通过AI技术为医疗机构的临床和日常工作带来帮助。

今年的大会主题是“See Possibilities Together”。在多位专家的解读中，这个主题意味着医学发展、医疗AI企业发展的一个必然趋势，那就是“以患者为中心的医患互动”，将单纯的技术讨论回归到医生和病人的本源，进而实现更好的落地突破。

经过几年的发展，人工智能成为众多医疗CIO关注的对象，但是大多数医疗机构并未涉足人工智能领域，目前在人工智能取得突出进展的企业还很少。

尽管如此，在2019年，一些有远见的企业已经在人工智能领域取得了成就，其中部分企业还有令人瞩目的成绩。我们希望，通过这些公司的部署与动作，给业内人士带来更多的入局思路。

如何对待急诊中遇到的肺结节？

Summa Health是位于俄亥俄州东北部的一个非营利医疗机构，并且是萨米特县当地最大的企业，共有7000多名员工。

CT胸部成像的使用日益广泛，导致影像学研究中偶然发现肺结节的可能性增加。这些结节已经被证明了难以随访。根据《美国放射学院学报》（2016年2月）显示，偶发性结节的随访率在30％至50％之间。

Summa Health的首席肺部专家Sandy Kohut表示：“急诊患者的肺结节病灶发现，以及后期随访会更加困难，因为这些病灶与急诊无关。此外，安排对无症状疾病(如肺结节)的后续进一步诊断研究，对于医疗机构来说是一项难题”。

但是，越早发现意味着越早治疗，意味着有更多的治疗选择和更高的生存率。

因此，Summa Health的团队发起了一项质量改进项目，以改进对急诊患者偶然的肺结节的识别，以及安排合理的随访。

Summa Health向Nuance公司寻求帮助。

Summa Health的高级分析师 Laura Musarra表示：“Nuance的mPower临床分析解决方案将为我们提供自动化的数据挖掘和报告工具，从而帮助我们识别急诊部门偶然发现的肺结节患者，以便进行随访，”

此外，Summa还利用了Nuance的PowerScribe 360报告平台和Nuance的mPower临床分析产品，让多学科团队能够改善偶然病灶发现的随访，并在此过程中改善医疗服务。

Musarra表示：“具体来说，PowerScribe 360报告系统是一个实时的放射学报告系统，它帮助放射科医生快速高效地生成高质量的报告，从而提高医生的满意度，改善病人的体验。”

谈到另一项AI技术NLP时，Musarra补充道，“mPower Clinical Analytics是一个特定用于放射学的人工智能分析平台。它让用户能够轻松地查询和分析放射科报告中大量的非结构化或口述的笔记和数据，提高了效率，并且让困难的数据挖掘过程自动化，使其更容易监测、理解和改进临床和操作质量。” 

利用AI技术后，效果也是显而易见的。

项目实施六个月之后，Summa Health的质量改善计划帮助实现了每月确定的随访患者数量增加662％，从每月8名增加到每月61名。

Musarra解释说，患者数量的增加为开设新的肺结节诊所做出了贡献。

最重要的是，多学科团队建立了处理偶然发现的最佳实践。

Musarra表示：“他们定期复查偶发性肺结节的CT扫描。为防止过度诊疗的问题，他们定期审查CT扫描出现的肺结节。Musarra解释道：“研究小组仔细权衡了发现有潜在风险的病灶，这些新发病灶可能是良性的，但如果从未被检测到，可能会造成伤害，但不会导致发病率或死亡率。”

“无论何时，病人需要我们”

同样在2019年，总部位于加州的医疗企业Sutter Health将创新作为其企业使命的一部分。它投资于诸多不同的技术、研究项目和医疗产品，用来改善病人的体验和病人的诊疗结果。

除此之外，Sutter Health创建并推出了Virtual Symptom Checker，这是一个新的AI产品，可以根据病人的严重程度和病史来检查症状，揭示潜在的原因和下一步计划。

Sutter health的数字病人体验主管Albert Chan博士说：“作为一个完整的医疗机构，我们做的最重要的事情之一，就是建立人与人之间的联系。无论何时，我们的病人和他们的家人都会需要联系我们。到目前为止，超过一半的病情沟通发生在工作时间之后。”

他补充说，\"有了人工智能，医疗系统可以做一些更有意义的事情，比如利用一些自动化的手段，在凌晨也可以回答病人的问题。当你生病时，我们的目标是将你与你所需要的医疗联系起来，减少人与人之间的摩擦。”

AI帮助医院降低机器风险

2019年，在医疗人工智能的其他领域，以色列的希巴医疗中心(Sheba Medical Center，世界十大医疗机构)公布了一项研究结果，该研究验证了医疗IT企业MedAware的AI产品对患者诊疗的临床影响。该产品想要利用机器学习技术，最大程度地减少与药物相关的风险。

笔者了解到，这项研究结果发表在2019年8月7日的《美国医学信息协会杂志》(Journal of American Medical Informatics Association，简称JAMIA)上，研究的题目是“通过在住院病人中应用基于AI临床决策支持系统，减少药物处方错误和药物不良事件。”

根据希巴研究发布的数据，在美国，每年可预防的事故占门诊死亡的1 / 131，占住院死亡的1 / 854，每年的直接损失超过200亿美元，责任成本超过130亿美元。而发生这些事故的原因是因为卫生信息系统的计算机发生了故障。

在医生Gadi Segal博士的带领下，希巴医学中心的研究人员评估了MedAware公司的药物安全平台的质量、准确性和影响。

该系统已经被整合到该中心现有的HER（电子健康档案）系统中，希巴医疗中心的医生分析了MedAwareAI产品在整个医院范围内的实施结果。

该平台监测了过去16个月里开出的所有医疗处方，科室工作人员评估所有警报的准确性、临床有效性和准确性，记录了所有医生对警报的响应。

研究结果表明，总体预警负担较低，MedAware生成的警告仅占所有处方的0.4％。其他发现包括：

患者状态发生变化后，已经分发了60％的警告

所有警报中有89％被认为是准确的

所有警报中有80％被认为具有临床意义

43％的警报导致后续医疗订单发生更改

2019年，还有其他医疗企业发展人工智能并取得积极成果的案例，2020年将会有更多的医疗人工智能项目。

对于医疗机构CIO和其他管理者来说，AI是一个巨大的舞台，为了“以患者为中心的医患互动”这个目标，医疗AI的创业公司和医生都可以大展身手。