研究论文：人工智能工具支持医疗保健专业人员进行量身定制的患者护理，有助于增强患者技能和护理效率。

来源：npj Digital Medicine 作者：Jiyeong Kim团队

摘要

支持临床医生提供以患者为中心的护理的人工智能（AI）工具有助于增强患者权能和护理效率。我们的目标是发现潜在的人工智能工具，以根据患者需求量身定制患者支持，并评估临床医生对这些人工智能工具有用性的看法。为了定义患者的问题，我们利用自然语言处理和人工智能分析了11,123名糖尿病患者的528,199条患者信息。应用多种快速工程技术，我们发现了一系列人工智能工具，五名内分泌学家评估了它们感知的有用性和风险。对及时和简化互动的患者教育和行政支持被认为是非常有用的，但将人工智能工具更深入地集成到患者数据中被认为是有风险的。这项研究提出了各种人工智能应用，作为临床援助，以适应临床医生的评估证实的患者需求。研究结果可以为开发用于糖尿病和其他疾病患者精确护理的潜在人工智能工具提供重要影响。

介绍

据估计，到2050年，全球将有超过13亿人患有糖尿病。糖尿病是许多其他疾病的危险因素，并增加发病率和死亡率。糖尿病与社会经济地位（SES）、饮食风险和体育活动有关，为每个患者亚群提供量身定制的支持，帮助他们管理这种终身疾病状况至关重要。以患者为中心的护理（PCC）强调满足每个患者的特殊需求和偏好的护理，已成为糖尿病自我管理的基本方法。发现PCC可以提高患者对护理的参与度，增强自我护理技能和信心，同时减少与疾病相关的痛苦。此外，PCC与更好的生活质量和健康结果有关。

通过患者门户网站发送安全消息是患者与临床医生分享担忧并提出问题以照顾他们的医疗状况的重要工具。在疫情的推动下，患者信息量在过去几年中增加了50%，这反映了患者对这种安全通信渠道的高需求。据报道，糖尿病是新冠肺炎严重程度和死亡率增加的有力预测因素。因此，糖尿病患者在疫情期间可能存在重大临床问题或具体问题。一项系统回顾发现，糖尿病患者是患者门户中最活跃的患者群体之一。因此，安全的患者信息可能包含增强PCC的关键组成部分，这可能与临床医生的观点和临床笔记不同。尽管患者信息反映了他们的兴趣，但除了广泛的流程分类之外，对患者的内容和询问范围的研究有限。在最近创新人工智能（AI）出现之前，分析这种海量文本数据的有限可行性可能是原因之一。

基于自然语言处理（NLP）的主题建模可以从大量文本数据中提取关键信息。最近引入的人工智能NLP模型（例如，来自变压器的双向编码器表示（BERT））已被广泛用于分析患者生成的健康数据，包括社交媒体或在线论坛文本。这种基于人工智能/NLP的分析安全患者信息的方法使我们能够深入了解糖尿病患者向临床医生提出的临床问题。此外，生成人工智能是被称为ChatGPT-4的最受欢迎的形式，它迅速流行起来，并因其潜在的应用在医学上进行了积极测试。虽然其专业水平的医学知识和先进的临床推理已被报道，尽管其能力很有希望，但很少被探索作为定制糖尿病护理临床助理的潜在用途。

因此，我们的目标是发现潜在的人工智能工具，帮助临床医生提供与患者口语需求相对应的量身定制的糖尿病护理，并评估这些人工智能工具的有用性。为了阐明患者的需求，我们使用NLP分析了糖尿病患者的电子患者信息。我们处理了快速工程的LLM，以全面起草人工智能工具，以反映患者解决的问题。最后，我们与五名内分泌学家进行了验证研究，以量化临床医生对建议的人工智能工具的有用性。这些发现从两个受益人的角度提供了新的见解，以制定人工智能工具作为临床助手，以提供量身定制的患者支持，这有助于增强患者和PCC的权能。

结果

在2013-2024年，我们总共确定了11,151,561条独特的消息线程，并进一步限制了临床问题（患者医疗建议请求（PMAR）），66.9% n = 7,456,800/11,151,561），不包括患者调度、患者用药续订请求或一般问卷提交。其中，这项研究包括路由到内分泌科的独特消息线程（7.1%，n = 528,199/7,456,800）。

LLM定义的临床问题

LLM解释的糖尿病患者的主要问题见表1：主题1）饮食问题和体重控制；主题2）解释实验室结果（例如血液、尿液和A1C）；主题3）甲状腺管理（例如药物、甲状腺刺激激素（TSH）水平和测试）；主题4）行政挑战（例如文书工作和授权）；主题5）骨骼健康（例如糖尿病相关骨骼疾病的成像和手术）；主题6）导航实验室订单和结果；主题7）预约安排；主题8）药物剂量管理；主题9）处方和用品补充以及保险；主题10）Dexcom和泵的数据教育需求；主题11）患者报告的低血糖问题；主题12）糖尿病的血糖管理。就前12个主题而言，这两个时间段有着相同的主要关注点。所有词云和法学硕士解释的主题和标题都可以在补充表1中找到。

协助临床医生提供量身定制的患者支持的人工智能工具

表2展示了LLM起草的人工智能工具，用于支持临床医生进行患者护理。临床医生对人工智能援助的感知有用性的总体平均值为4.30/5.00（（SD）=0.38；其中5=有用）。临床医生认为一些人工智能工具非常有用，包括1）为常见问题提供基于证据的答案，减少响应时间（m = 4.8，SD = 0.45）；2）总结政策变化，并提供大众保险下涵盖的药物的实时更新（m = 4.8，SD = 0.45）；3）自动化患者低血糖管理和预防策略教育（m = 4.6，SD = 0.89）；4）为常见的实验室相关查询提供模板但可定制的回复（m = 4.8，SD = 0.45）；以及5）创建授权书模板以加快处理（m = 5.0，SD = 0.00）。虽然总体感知风险中等且低，m = 3.68/5.00（SD = 0.42；其中5 = 强烈不同意风险），但一些人工智能援助被认为是相对风险的，包括1）综合患者数据以帮助确定紧急请求的优先次序（m = 2.80，SD = 0.84）；2）人工智能驱动的消息分类系统按紧迫性和主题（m = 2.80，SD = 0.84）；以及3）实时葡萄糖数据解释和调整建议（m = 2.80，SD = 1.10）。通常建议的机制是自动化反馈，创建教育内容，并为营养、TSH和其他实验室测试和骨骼问题制作模板响应，以亲自回应每个患者，以减少临床医生的工作量。有关完整信息，请参阅补充表2-4。

引用这篇文章

Kim, J., Chen, M.L., Rezaei, S.J.等人。人工智能工具支持医疗保健专业人员进行量身定制的患者护理。npj Digit。医学。8，210（2025）。https://doi.org/10.1038/s41746-025-01604-3

https://rdcu.be/eivm4