Elektroniske patientjournaler (EHR) indeholder vigtige oplysninger om patienters sygehistorie, men information kan være gemt i ustruktureret tekst, hvilket gør det tidskrævende at identificere kritiske detaljer som blødninger. Artiklen „Doctors Identify Hemorrhage Better during Chart Review when Assisted by Artificial Intelligence (2023)‟ undersøger, om læger kan identificere flere blødningshændelser ved journalgennemgang, når de assisteres af en kunstig intelligens (AI)-model.
En AI-model blev udviklet baseret på 900 elektroniske patientjournaler med registrerede blødningsdiagnoser. AI-modellen blev testet på 566 patientindlæggelser og anvendt i en klinisk studie, hvor 16 læger gennemgik journaler med og uden AI-assistance. Eyetracking blev anvendt til at analysere lægernes læsemønstre.
Resultaterne af undersøgelsen viste at AI-modellen havde høj præcision: 93,7 % sensitivitet og 98,1 % specificitet ved identifikation af blødningshændelser på test-kohorten. Desuden viste resultaterne at lægerne overså information uden AI – ved manuel gennemgang uden AI blev over 33 % af relevante blødningsoplysninger ikke identificeret. Derudover fandt man, at AI-assistance forbedrede identificeringen af blødningshændelser – lægerne fandt 48-49 procentpoint flere blødningshændelser med brug af AI.
Lægerne fandt AI-værktøjet nyttigt til hurtig informationssøgning og vurderede det som en hjælp til at reducere tidsforbruget ved journalgennemgang.
Undersøgelsen viste dermed at AI-assisteret journalgennemgang kan forbedre lægers evne til at identificere kritiske oplysninger om blødninger. Dette indikerer, at teknologien har potentiale til at optimere klinisk beslutningstagning og forbedre patientsikkerheden.