免费久久国产&夜夜毛片&亚洲最大无码中文字幕&国产成人无码免费视频之奶水&吴家丽查理三级做爰&国产日本亚欧在线观看

救死扶傷的醫院，實則風險重重。醫護人員每天都在從事高復雜性、高危險性的健康服務活動，如疾病診斷、治療和護理等。這些服務活動，導致患者一旦進入醫院，便會面臨一系列臨床風險。

美國國家科學院醫學研究所2000年發表的專題報告中指出，美國的醫療失誤已經成為第五大死亡原因。由于醫療失誤所導致的患者損傷，美國每年付出的成本在170億到290億美元之間。世界衛生組織公布的數據顯示，在發達國家，約有10％的住院患者遭受由各種臨床失誤或不良事件引起的損傷。

正因如此，降低醫療風險、改進患者安全，能帶來巨大的經濟效益和社會效益。在此背景下，醫院建立系統化、專業化、長效化臨床風險管理機制的必要性和緊迫性毋庸置疑。

近幾年，國家醫療管理部門對患者安全重視程度不斷加深，要求醫療機構充分認識患者安全管理的重要意義，將保障安全作為醫療管理的重要內容，按照“預防為主，系統優化、全員參與、持續改進”的原則大力推進，不斷提高醫療機構患者安全管理水平。

然而，受管理理念和技術條件限制，目前醫療機構的臨床風險管理模式還主要是風險事件發生后的上報和統計分析。這種事后上報管理存在一系列問題，迫切需要改進。

現階段的上報往往針對發生后的風險事件，因此只能以結果為管理對象，屬于滯后管理。風險事件通常靠醫生主動上報，所以難免會遺漏或掩蓋問題。另外，醫院的風險管理渠道較分散，院內感染、病人跌倒、藥品不良反應、深靜脈血栓等風險及安全不良事件分別填卡上報，由此催生了多個用于報卡的信息系統，增加了臨床的工作負擔，造成實際的風險管理成效不甚理想。

針對這種現狀，上海利連信息科技有限公司（后簡稱：利連認知）基于醫療大數據分析、認知計算等技術，與國內著名醫院合作，基于高質量臨床數據建立臨床風險監控和預警模型，提供面向臨床風險管理的全面解決方案，幫助醫護人員及時感知發現臨床風險，甚至根據病人具體情況預測臨床風險，從而驅動更高效準確的臨床決策，減少臨床風險的發生，降低臨床風險事件導致的生命和經濟損失。

據悉，利連認知創始人牛耀軍是原IBM 大中華區醫療健康解決方案實驗室團隊總經理，曾參與IBM Waston 腫瘤助手的研發和在中國的推廣。公司核心成員來自于世界500強科技公司如IBM、HP、Teradata、百度等企業任職的首席醫療行業顧問、頂級大數據分析專家及技術專家。

醫院感染指醫者和患者在醫院內獲得的感染，是一種重要的臨床風險，風險事件占比高，導致損失巨大。北京大學第一醫院感染管理疾病預防控制處在2014年的一份研究顯示，中國每年發生400萬起醫院感染，平均每例患者由醫院感染所造成的經濟損失為29846元，延長住院時間13天。

通常，ICU病房、新生兒病房以及血液科、腫瘤等相關科室是醫院感染風險最高的科室。由于這幾個科室病人的免疫力較低，且導管、呼吸機等侵襲性、開放性措施的應用較多，因此醫院感染的發病率也較高。

南方醫科大學附屬南方醫院感控科主任孫樹梅曾對此做過一個形象的比喻。她認為，高危科室就好比容易發生交通事故的路段，即使醫生操作規范，也容易出現事故；而普通科室就好比正常的路段，出現事故，多是由于醫護人員操作違規導致。

因此，提高醫護人員對感染風險的感知能力，及時主動地進行規范性的感染預防和感染事件應對就成為院感風險管理的關鍵。

保證院感風險事件能得到及時準確的識別判定是提高院感風險管理質量的第一步。客觀來講，目前醫院感染事件判別還不具備統一的金標準，往往是以醫生經驗為主進行判別。

由于一些醫生并不具備準確的識別能力或者不愿意上報不良數據，導致感染漏報。這樣的自主上報無法體現醫院真實的感染狀況，所以需要相應的管理科室如感控科依據經驗進行判別，這給感控科室帶來巨大的工作負擔。感控科室往往只能用抽查的方法來對報卡情況進行監督，難以進行全面有效的管理。

在這種情況下，也有一些醫院使用感控軟件根據專家經驗人工整理設計的規則進行院感的識別判定，幫助感控部門提高工作質量和效率。但是由于專家開發模式擬定規則在方法學方面的限制，其規則所涉及的特征維度非常有限，往往只有十幾個到幾十個，導致風險判定模型的精細度和準確度不高，對院感事件進行識別判定的效果并不理想。

針對這個問題，利連認知通過智能化、數字化的解決方案，推出了一套臨床風險管理系統，在國內首次采用PDCA理念設計，對臨床風險進行全閉環管控。這套系統首先應用于院感風險管理場景，其中AI風險監控模型是系統的核心。

利連AI風險監控模型基于大量臨床數據，使用歸納法進行監督學習，基于集成學習算法進行醫院風險輔助診斷模型的構建。以院感為例，該模型所包含的規則主要包括兩部分，一部分是基于醫院大量感染數據學習出來的“規則”，另一部分是基于多家醫院院感科經驗知識總結的“規則”。

模型具備可持續學習能力，能夠根據不同醫院特殊情況優化模型。AI風險監控模型采用集成學習算法的一大優勢在于可解釋性，可以對結果進行“循證”和“回顧性研究”。

同時，對結果的分析和研究得到的“新證據”、“新規則”又可以加入模型中來進一步優化，最終實現AI風險監控模型的可持續學習和優化。該模型在醫院感染監控中具備較好輔助功能，能夠實時將可能發生感染的病人呈現給醫生，便于醫生及時對病人進行干預和治療，最終達到減少醫生工作量，預防感染發生、發展的目的。

與專家開發模式人工整理感染特征值相比，利連AI風險監控模型基于大量真實電子病歷數據，利用特征工程進行感染相關特征的發掘分析，識別出很多新的預后變量，涉及的特征值達到三百余個，這極大提升了模型的精細度和準確度，使模型對感染判別的敏感性和特異性都遠優于人工規則。

利連認知首席醫療顧問蔡梅平透露：“未來，除了對AI感染風險監控模型進行持續優化，提高系統對感染事件監控的準確性，利連認知還將在臨床風險監控領域橫向拓展，研發針對深靜脈血栓、膿毒血癥等領域的風險監控模型”。

醫院臨床風險管理中有一個經常被提及的概念，叫做關口前移。顧名思義，是在臨床風險事件發生之前，給予風險預警。但在國內，目前很少有醫院能夠做到這一點。一來醫院缺乏相應的管理數據，二來缺少相應的分析模型和工具。

蔡梅平認為，風險控制不應該是一種滯后工作，而應該從醫生了解病人的初始病癥開始便進行風險識別和預測。利用風險預測預警模型及時發現臨床風險事件苗頭，配以規范有效的預防性臨床建議，可以幫助醫生及時采取預防措施將風險事件發生的概率降到最低。

據悉，利連認知正在進行臨床風險預測預警模型的研發工作。基于該模型開發的AI臨床風險管理助手，可以在醫院臨床風險事件發生前，通過病人動態的數據收集和分析，預測風險事件出現的可能性，對高風險事件進行提前預警，為醫生提供具體的防控建議，幫助其采取有效的預防措施，減少風險事件發生。

蔡梅平表示：“這個AI助手系統將作為臨床風險管理系統的補充，為公司產品線帶來新的拓展，在更多的臨床科室得到廣泛應用。”

上海復旦大學附屬中山醫院感染控制科，在今年引進了利連認知的產品。感控科主任高曉東告訴動脈網：“采購這套系統，主要是因為醫院醫生想了解醫院的院感發生率，以及病人是否有感染。”

據介紹，中山醫院感控科過去都是由專職人員了解每位出院病人的情況。但隨著醫院病人越來越多，醫生沒辦法對所有的病人都一一了解。通過利連認知的系統，能夠讓醫生迅速、及時地了解病人的主要感染指標以及感染的可能性，并將高危人群篩選出來。

另外，醫院要了解臨床醫生是否有按照規范去做各種診斷或干預，以及感染時是否有做檢查，通過醫生調研，獲取目前送檢情況，然后進行監管。這種調查，以前多是由醫生或護士去病人那里直接詢問情況。有了利連的系統之后，就可以利用該系統整合的各方面臨床信息，把想要的目標人群快速篩選出來。

在防控預警方面，感控科可以在病人發生院感感染前，根據系統提示的風險情況，告知臨床醫生提早做好相關防護措施，從而避免感染發生。

以上海復旦大學附屬中山醫院為例，目前醫院每月出院的病人約為8000人。有了預警系統之后，感控科醫生可以節省60％－70％的工作量。對此，高主任表示：“過去是病人出院以后我們再去調查，是一種滯后管理。但現在通過利連認知的系統，我們把感控管理前置，只要臨床檢測出了結果，系統就能預警。”

醫院感染暴發預警，是系統更大層面的應用。中山醫院感控科通過利連認知的系統設定一些目標值，確立在何種情況下，可能會出現醫院大面積感染暴發的苗頭，從而避免一些大型惡性事件發生。“這是建立在單個病人預警之上，整個科室或醫院的大的系統預警。”高主任說。

南方醫科大學附屬南方醫院感控科，也是利連認知產品的客戶之一。對于利連認知的系統，感控科主任孫樹梅如此評價道：“利連的系統是一種監測和干預工具，它能夠實時反映醫院感染和高危因素，病人稍微有一點風吹草動，醫生都能及時發現，杜絕群體事件的發生。”

此外，利連的系統還能夠動態地發現一些規律。當病人出現幾種危險因素之后，醫生就可以通過大數據的及時監測和預警，及時地干預，避免發展成感染事件。

要真正做到醫院的精細化管理，需要通過大數據進行量化。一方面，不給臨床醫生增加額外的負擔。醫生的本職工作仍然是治療患者，因此感控科不應該坐等醫生上報，被動通知，而應該利用信息化的手段，主動去收集數據，主動服務于臨床。

據孫主任介紹，目前國家規定250張床位配一名感控科人員，南方醫科大學附屬南方醫院編制床位是2250，感控管理科醫生總共12人。“過去，我們只能抽查，沒辦法全面監測。現在有了這套系統，我們可以通過精準的數據實現醫院風險的全面監測。”孫主任說。

“如果滿分100分，我給個90分！”對于利連認知的系統，孫主任給予了高度評價。一方面她希望系統的智能化預警做得更精確，可以將假陰性或者假陽性的概率降到更低。另一方面，她希望系統的輸出界面更加簡潔，將復雜的事情簡單呈現，讓醫生能夠更方便地操作。