阿尔伯塔省的研究人员正在试验人工智能，以在加拿大持续的药物过量危机中衡量处方阿片类药物的风险。
虽然医生有一套确定有阿片类药物成瘾风险的患者的方案，但迪恩·尤里奇博士表示，机器学习“可以更好地”确定谁最容易受到影响。
阿尔伯塔大学临床流行病学项目主任Eurich说，人工智能辅助系统可以为临床医生提供额外的“舒适感，(知道)他们还可以使用其他支持来帮助确保患者在正确的时间获得正确的药物。”
有了这个工具，医生可以预测处方阿片类药物对患者的影响，并将他们从不必要的急诊就诊中拯救出来，甚至在开始用药的30天内死亡。
Eurich是去年12月发表在JAMA Network上的一项研究的首席研究员，该研究匿名分析了超过85万阿尔伯塔人的医疗数据，并预测了患者的最佳结果。
数据集主要由艾伯塔省卫生部提供。
阿尔伯塔省内科和外科医生学院的菲兹扎·格利亚尼博士表示，一旦纳入卫生系统，机器学习可能是减少患者住院和发病率的有效方法。
“该模型(可以)预测住院的风险，”吉拉尼说，他是该学院处方、分析和跟踪处方项目的项目经理。
她补充说，有时，目前的方法无法预测风险的起源，医疗解决方案可能比减少患者的阿片类药物剂量更复杂。
人工智能系统被输入各种健康因素，以确定患者的风险，包括受伤史、肥胖、抑郁、糖尿病、液体紊乱和精神病。这些数据与医生的诊断、医疗保健访问以及包括患者居住地在内的信息相结合。
吉拉尼说:“我们的想法不是让医生停止开阿片类药物，(而是)将阿片类药物暴露后的风险降到最低。”
研究人员研究了阿尔伯塔省60多万名患者每年大约300万张阿片类药物处方，这些处方来自各种医疗专业人员——医生、执业护士、牙医。那些患有癌症或正在接受姑息治疗的人被排除在外。
欧里奇说，20%的患者同时使用阿片类药物和其他高风险药物，“增加了不良结果的风险。”
现在的趋势
在恐怖的监控录像中，一名女子击退了所谓的健身房袭击者
卑诗省的小孩在父母的店里工作，在抖音上走红
Eurich说，多年来，人们与卫生系统的互动变得更加复杂，需要一种有效的方法来通过卫生保健系统。
“作为一个人，我可以观察几十个变量并预测结果，但我们发现这还不够。”
他说，机器学习采用了一种不同的方法，用一组细致入微的数据建立系统模型，包括各种关键因素，并找到预测患者最佳结果的组合。
欧里奇从事人工智能预测工作已经三年多了，他说该系统可以“正确预测五分之四的患者”。根据这台机器，被确定为高风险的患者在开药后的前30天内住院的几率更高。
2:02阿片类药物依赖患者担心艾伯塔省的改革
抄写方法是有害的
他补充说，人工智能驱动的系统还可以迅速适应不断变化的环境——例如，大流行期间与阿片类药物相关的死亡人数突然激增。
Eurich说，我们的目标是“降低使用高风险药物的患者的风险，我们知道这些药物会导致不良结果。”
Eurich表示，研究人员很快将用实时数据测试人工智能系统。他们还将研究该系统是否可以限制患者长期使用大剂量阿片类药物。
一个倡导组织认为，这种机器无助于解决艾伯塔省的阿片类药物危机。
“妈妈停止伤害”联合创始人佩特拉·舒尔茨说，该省大多数与阿片类药物有关的死亡都是由街头毒品引起的，而不是处方阿片类药物。
1:57康复中的卡尔加里男子给阿片类药物成瘾者带来了希望
ning升级
她说:“这种人工智能可能会让更安全的替代方案变得更不容易获得。”“这就像你在做侦探工作，想要找出病人哪里出了问题，而不是建立一种可以让病人公开(说话)的信任医患关系。”
吉拉尼同意舒尔茨对阿片类药物危机的观察，但表示，人工智能系统中的许多因素之间存在“间接联系”，该工具可以帮助根据数据减少死亡人数。
Eurich说，与阿片类药物有关的不良后果的“很大一部分”不是由街头毒品引起的，而是由处方使用引起的——尤其是在一开始。
他说，患者继续接触阿片类药物用于止痛药，最终开始使用医疗系统“医生购买并获得大量阿片类药物……也最终被其他物质割伤。”
欧里奇说，即使病人换了医生，这种机器也能提供“良好的连续性护理”，降低他们受到处方药伤害的几率。
