多中心试验显示：AI临床警报显著提升心脏瓣膜疾病治疗率
一项涉及35家医院的多中心试验显示，AI驱动的临床警报将心脏瓣膜疾病的治疗率提高了40%。该系统提高了及时干预率，并减少了不同患者群体在获得护理方面的差异。
根据一项多中心试验的新数据，人工智能驱动的电子临床医生通知显著改善了心脏瓣膜疾病患者的及时评估和治疗。ALERT试验表明，与常规护理相比，AI警报在通知临床医生患者心血管状况方面的有效性提高了27%，导致瓣膜干预相对增加了40%，90天内多学科心脏团队评估增加了27%。
该研究涉及美国5个医疗系统（涵盖35家医院）的765名临床医生，共开具了2,016份超声心动图检查。研究达到了其主要终点，定义为从索引超声心动图到手术或经导管瓣膜干预的时间，以及随后90天内到多学科心脏团队门诊就诊的时间。研究结果显示，电子临床医生通知相比常规护理实现了1.27的胜率。
试验数据表明，白人患者占所有经导管主动脉瓣置换术（TAVR）的大多数（90%），而黑人、西班牙裔、亚裔或其他种族群体的患者接受TAVR治疗的比例与白人患者不同。此外，患有主动脉瓣狭窄的女性在护理方面继续经历显著差异，因为她们比男性更不可能被转诊进行及时评估和瓣膜干预。
该研究使用了一个AI支持的护理路径平台，该平台自动识别可能符合指南指示治疗标准但尚未制定治疗计划的显著主动脉瓣狭窄或二尖瓣反流患者。有症状的重度主动脉瓣狭窄是一种常见但严重的心脏瓣膜疾病，每年影响美国约25万人，根据AHA/ACC指南标准，该疾病仍然治疗不足。
未经治疗的有症状重度主动脉瓣狭窄在两年内具有高死亡风险，但显著的治疗不足现象仍然存在，特别是在种族和少数民族群体患者以及具有某些血流动力学特征的患者中。该研究强调了实时临床警报在加速诊断和专科转诊方面的价值，有助于确保更多患者——无论种族、民族、地理位置、血流动力学或其他因素——都能获得指南指导的、挽救生命的护理。
该研究结果在新奥尔良举行的美国心脏病学会年度科学会议上发表，并同时发表在《美国心脏病学会杂志》上。