对全国范围内医院技术采用情况的分析揭示了谁与人工智能护理密切合作存在显着差异，并检查了特定的数字工具是否与时间敏感的护理中的更好结果相关。
学习： 美国医院采用人工智能和机器人技术以及获取机会的差异。图片来源：tete_escape / Shutterstock
在杂志上发表的一项研究中 科学报告美国德雷克塞尔大学的研究人员对 3143 个县的观察结果进行了全国性分析，以调查医院人工智能之间的关系（人工智能）和机器人系统和临床结果，以及美国各地的地理访问差异（美国）。
初步分析重点关注美国医院协会 2023 年的数据和技术采用记录（美国心脏协会; 6,166 家医院），医疗保险和医疗补助服务中心的临床护理指标（内容管理系统）和来自疾病控制与预防中心的死亡率数据（CDC）。
研究结果表明，特定的人工智能工作流程能力与医院重症监护结果的统计显着差异相关（例如，30 天肺炎死亡率相对降低 5.4%）。研究还发现，这些技术的物理获取仍然高度不平等，估计访问分析人群中约有 1.146 亿人居住在距离人工智能医院超过 30 分钟路程的地方。
背景
长期的员工紧张和劳动力倦怠可能会导致美国各地医院在时间敏感的临床护理期间协调失败。
随着人工智能（AI）和机器人系统在医院中的采用增加，这些技术可以帮助解决运营压力，但技术在医疗保健中的传播仍然不平衡：大型且数字化成熟的系统倾向于采用这些技术，而许多农村社区仍然远离人工智能和机器人护理。
评估美国医院使用人工智能和机器人技术的临床关联和潜在差异的国家证据有限。
关于学习
这项研究旨在通过研究人工智能和机器人技术是否与挽救生命的临床和人口健康结果相关，并绘制阻止进入美国各地人工智能增强医院的旅行障碍，来解决这一知识差距并为未来的数字技术政策提供信息。
该研究的分析样本包括来自美国医院协会 (AHA) 6,166 家医院数据库（2023 年；涉及 3,143 个县）的数据，以及来自疾病控制和预防中心 (CDC) 的死亡率数据、来自医疗保险和医疗补助服务中心 (CMSKing) 的医院结果数据。
为了解释代理中的财富偏差（其中技术采用可能反映现有的医院资源和组织能力），逆概率加权（亚洲IPW) 在估计 2023 年关联时，模型根据 2019 年基线以及医院和县协变量进行了调整。
统计评估首先评估了医院层面的临床护理流程，重点关注： 1. 脓毒症和脓毒性休克的早期治疗（SEP-1) 依从性和 2. 标准风险肺炎的 30 天死亡率。
然后，这些模型估计了县一级过早死亡率的单独指标，包括 75 岁以下居民的 2,023 例医院死亡和生命年损失（YPLL）。最后，该研究通过分析美国约 240,000 个人口普查区块组的人口迁移时间来评估地理访问情况。
学习成果
医院层面的分析表明，特定的人工智能工作流程功能与某些重症监护途径的更好结果相关。例如，采用员工调度人工智能与调整后的 SEP-1 脓毒症捆绑包完成率增加 2.24% 相关（相对改善 3.9%，P < 0.05），而常规人工智能任务的自动化与 30 天死亡率降低 0.87% 相关（死亡率降低 4.5%）。 0.05）。后来采用常规人工智能自动化的医院在采用前肺炎死亡率略有降低，使得这种关联容易受到残余混杂的影响。
在探索性分析中，医院采用机器人技术与调整后的患者安全评分 15 提高 0.03 分相关（PSI-15），一种针对意外刺穿和断裂事件的措施。
《国家地理》的访问以及人工智能和机器人技术在医院访问中的不平等（2023 年）。 (a) 使用人口普查代理队列驾驶时间到最近的连续美国配备人工智能的医院的连续访问地图，其中使用与基线城镇模型一致的人工智能模式自动化工作流程（AHA 项目 MO14，用于自动化日常任务的人工智能）确定人工智能启用状态。 (b) 二维政策地图，显示距离人工智能医院 30 分钟以内的街区组； 2023年，65.8%的访问分析人群在30分钟内，约1.146亿人仍处于该访问阈值之外。 (c) 基于人口的前往人工智能和机器人医院的旅行负担的洛伦兹曲线，显示出高度但有差别的不平等（人工智能基尼系数 = 0.740；机器人基尼系数 = 0.776）。这三个小组共同展示了国家技术获取差距及其分配影响。
在县一级，常规人工智能任务的自动化与每 10 万名 75 岁以下居民的医院死亡人数减少 25.5 人相关（减少 9.9%，P < 0.001）。该估计对模型选择很敏感，并且在对组织能力进行额外校正后接近于零，因此作者谨慎对待它。历史 YPLL 指标还显示，拥有人工智能的国家过早死亡率较高，并且在替代统计模型中更加一致。
研究发现，虽然 79.5% 的访问分析人群（2.66 亿人）生活在手术机器人 30 分钟内，但只有 65.8%（2.201 亿人）生活在人工智能医院 30 分钟内，这使得 1.146 亿人超出了这一质量阈值。访问的衡量标准反映了地理位置的接近程度，而不是实际的服务使用情况、医院容量或人工智能实施的深度。
地理访问模型显示，第 90 个百分位 (R90）使用人工智能到医院的驾驶距离为 61.3 英里，而第 10 个百分位的驾驶距离为 1.9 英里（C10），得出 P90/P10 可及性差距比为 32.3。
2022年至2024年，人工智能医院数量将增加近56%，人口覆盖率将从66.2%增加到75.2%。但基尼系数从0.739小幅上升至0.767，表明分配不平等并未改善。 P90/P10 差异下降了 33%，表明服务最差的人群的情况有所改善。这项多年比较对人工智能医院的定义比最初的 2023 年分析更广泛。
结论
这项研究发现，特定的医院人工智能能力与几种敏感护理措施的更好结果相关，而机器人技术则显示出更窄的程序关联。这些协会的出现是因为美国各地在使用人工智能方面存在着巨大的地理差异，人工智能的采用发生在城市地区和许多距离采用人工智能的医院较远的农村社区。
由于该研究是观察性的，因此结果并不能确定人工智能或机器人技术是否会带来更好的结果，医院资源和组织能力的残余差异可能部分解释了这种关联。