2025年4月3日，美国药物滥用研究所发布新闻“人工智能筛查阿片类药物使用障碍与减少医院再入院相关”，NIH 支持的临床试验表明，AI 工具在向成瘾专家推荐患者方面与医疗保健提供者一样有效。
由美国国立卫生研究院(NIH)资助的研究团队开发的一种人工智能(AI)驱动的筛查工具成功识别出有阿片类药物使用障碍风险的住院成人，并建议将其转诊给住院成瘾专家。这种基于人工智能的方法与仅由医疗服务提供者发起的方法一样有效，可以启动成瘾专家咨询并建议监测阿片类药物戒断情况。与接受医疗服务提供者发起的咨询的患者相比，接受人工智能筛查的患者在首次出院后30天内再次入院的几率降低了47%。再入院率的降低意味着在研究期间总共节省了近109000美元的医疗费用。
这项研究发表在《自然医学》杂志上，报告了一项已完成的临床试验的结果，证明了人工智能在现实医疗环境中影响患者治疗结果的潜力。该研究表明，对人工智能的投资可能是一种有前途的战略，特别是对于那些寻求增加成瘾治疗机会、同时提高效率和节省成本的医疗保健系统而言。
美国国立卫生研究院国家药物滥用研究所 (NIDA) 主任、医学博士 Nora D. Volkow 表示：“成瘾治疗仍然严重被忽视，而且很容易被忽视，尤其是在医院人满为患的情况下，很难纳入筛查等资源密集型程序。人工智能有潜力加强成瘾治疗的实施，同时优化医院工作流程并降低医疗成本。”
在一项临床试验中，威斯康星大学麦迪逊医学与公共卫生学院的研究人员将医生主导的成瘾专家咨询与他们在之前的工作中开发和验证的AI筛查工具的表现进行了比较。研究人员首先衡量了2021年3月至10月和2022年3月至10月期间在威斯康星州麦迪逊大学医院由提供者主导的咨询的有效性，其中医疗保健提供者针对阿片类药物使用障碍进行了临时成瘾专家咨询。然后，他们在2023年3月至10月期间实施了AI筛查工具，以协助医疗保健提供者并在整个住院期间提醒他们患者需要成瘾专家的护理。从开始到结束，该试验筛查了51760名成人住院患者，其中66%的患者未部署AI筛查器，34%的患者在整个医院部署了AI筛查器。在研究期间共完成了727次成瘾医学咨询。
人工智能筛查器旨在识别数据中的模式，例如我们的大脑如何处理视觉信息。它实时分析电子健康记录中所有文档中的信息，例如临床笔记和病史，以识别与阿片类药物使用障碍相关的特征和模式。识别后，系统会在医护人员打开患者的病历时向他们发出警报，建议他们预约成瘾药物咨询并监测和治疗戒断症状。
试验发现，人工智能引导的咨询与医疗服务提供者发起的咨询一样有效，确保质量不会下降，同时提供更具可扩展性和自动化的方法。具体而言，研究显示，当医疗专业人员使用人工智能筛查工具时，1.51%的住院成人接受了成瘾医学咨询，而没有人工智能工具帮助时，这一比例为1.35%。此外，人工智能筛查与30天再入院率降低有关，人工智能筛查组中约有8%的住院成人再次入院，而传统医疗服务提供者主导组中这一比例为14%。
通过比值比计算，在考虑了患者的年龄、性别、种族和民族、保险状况和合并症后，30天内再入院率仍然保持下降趋势。研究人员在使用比值比分析结果时估计，使用人工智能筛查器后，再入院率减少了16例。随后的成本效益分析表明，患者、医疗保险公司和/或医院每避免一次再入院，净成本为6801美元。在使用人工智能筛查器的八个月研究期间，即使考虑到维护人工智能软件的成本，这估计总计可节省108800美元的医疗保健费用。目前估计30天内医院再入院的平均费用为16300美元。
“人工智能在医疗领域前景光明，但许多基于人工智能的筛查模型仍处于开发阶段，尚未融入现实世界，”这项研究的主要作者、威斯康星大学麦迪逊分校副教授、医学博士 Majid Afshar表示。“我们的研究是首次将人工智能筛查工具嵌入成瘾医学和医院工作流程的演示之一，凸显了这种方法的实用性和现实世界的前景。”
尽管人工智能筛查工具显示出强大的有效性，但挑战仍然存在，包括医疗服务提供者可能出现的警报疲劳以及需要在不同的医疗保健系统之间进行更广泛的验证。作者还指出，虽然各个研究期（跨越多年）是季节性匹配的，但阿片类药物危机的演变性质可能引入了残留偏差。未来的研究将侧重于优化人工智能工具的集成并评估其对患者结果的长期影响。
阿片类药物危机继续给美国的医疗系统带来压力，2022年至2023年间，急诊室因药物滥用入院人数增加了近6%，估计达到760万人。阿片类药物是继酒精之后导致此类就诊的第二大原因，但医院对阿片类药物使用障碍的筛查仍然不一致。因此，患有阿片类药物使用障碍的住院患者经常在去看成瘾专家之前就离开医院，这一因素与过量用药率增加十倍有关。人工智能技术已成为一种新颖的可扩展工具，可以潜在地克服这些障碍并增加早期干预和与阿片类药物使用障碍药物联系的机会，但还需要更多的研究来了解如何在医疗保健环境中有效使用人工智能。