攝影師：8848

診斷錯(cuò)誤在重癥住院成年人中隨處可見(jiàn)

維多利亞·珂麗沃/文

傅珮卿,、廖俊東,、陳麗啦、高子蕙,、徐健怡,、王思奕、郝敏喆,、劉柯翔,、強(qiáng)敬淑、粟壘,、王禹博,、吳文碩、鄭廣業(yè),、李娜,、王語(yǔ)桐、受燊,、楊秦春曉,、劉志靜、余彥成,、張婭楠,、楊裕如、顏銘希,、潘琬婧,、程嘉果、惠睿萍,、鄧宏鈺,、袁超,、余斯亮,、謝天惠,、鄧夢(mèng)岑、劉佳宜,、肖眾析,、張奇、田凌毓,、張素瑋,、彭驪伊、羅秋予,、石硯樸,、康梓歆、雷靂譯

一項(xiàng)來(lái)自學(xué)術(shù)醫(yī)療中心在全國(guó)范圍內(nèi)的研究發(fā)現(xiàn),，將近四分之一的重癥患者經(jīng)歷過(guò)延遲診斷或誤診,。

這些患者要么是在住院后被轉(zhuǎn)入重癥監(jiān)護(hù)室 (ICU)，要么是在醫(yī)院內(nèi)去世,。研究人員得出結(jié)論,，四分之三的診斷錯(cuò)誤導(dǎo)致了患者暫時(shí)或永久性的傷害，在每十五個(gè)人中大約就有一個(gè)人的死亡與診斷錯(cuò)誤有關(guān),。

研究中發(fā)現(xiàn)的最常見(jiàn)錯(cuò)誤是延遲診斷,，而不是誤診。例如,，可能是因?yàn)閷で蠡蜃稍儗＜业臅r(shí)間過(guò)晚,，或者沒(méi)有及時(shí)考慮替代的診斷，亦或是因檢測(cè)項(xiàng)目的選擇和結(jié)果的解讀上出現(xiàn)問(wèn)題,。

使用統(tǒng)計(jì)方法,，研究人員判斷消除這些評(píng)估和檢測(cè)上的錯(cuò)誤將降低大約40%誤診風(fēng)險(xiǎn)。

來(lái)自全國(guó)各地的數(shù)據(jù)可以通過(guò)幫助形成更快,、更好的診斷來(lái)提高患者的安全,。

學(xué)術(shù)醫(yī)療中心經(jīng)常會(huì)面臨最具挑戰(zhàn)性的病例，這些數(shù)據(jù)能夠幫助它們通過(guò)培訓(xùn)醫(yī)生,、增進(jìn)醫(yī)護(hù)團(tuán)隊(duì)與患者之間的溝通,，以及開(kāi)發(fā)更精確的診斷工具和技術(shù)來(lái)提高患者安全。

這些數(shù)據(jù)還可能在設(shè)計(jì)人工智能（AI）時(shí)發(fā)揮作用,，人工智能能夠總結(jié)冗長(zhǎng)的醫(yī)療記錄,，在患者病情未改善時(shí)建議替代診斷，確保正確的檢測(cè)項(xiàng)目被及時(shí)安排,。

促進(jìn)安全的國(guó)際合作

參與這項(xiàng)研究的有29家醫(yī)療中心,，它們都是醫(yī)院醫(yī)學(xué)再造網(wǎng)絡(luò)（一個(gè)質(zhì)量改進(jìn)合作組織）的成員,。雖然這項(xiàng)研究以國(guó)內(nèi)最受尊敬的幾個(gè)醫(yī)療中心為核心，但是作者提醒,，研究結(jié)果不一定適用于所有急癥護(hù)理醫(yī)院,。

來(lái)自全球的數(shù)據(jù)有助于通過(guò)更快速、準(zhǔn)確的診斷提高患者安全,。

人工智能如何幫助醫(yī)生

研究者表示,，這項(xiàng)研究強(qiáng)調(diào)了加強(qiáng)臨床醫(yī)生培訓(xùn)、評(píng)估醫(yī)生工作負(fù)荷以及開(kāi)發(fā)更精確診斷工具和技術(shù)的必要性,。這可能包括使用人工智能來(lái)評(píng)估患者狀況,、選擇最合適的檢測(cè)項(xiàng)目并減少延遲診斷，但在使用過(guò)程中必須小心,，確保這些模型不會(huì)引入新的錯(cuò)誤,，加劇健康差距。

“最終,，幫助醫(yī)生成為更好的診斷專家意味著要對(duì)醫(yī)生進(jìn)行指導(dǎo)和培訓(xùn),，并幫助醫(yī)生向患者清楚地解釋診斷結(jié)果，”Auerbach說(shuō)：“我猜測(cè)人工智能將在許多任務(wù)中有所幫助,，但我們?nèi)孕枧Ω纳苹颊吲c醫(yī)護(hù)團(tuán)隊(duì)成員之間的溝通,，以全面推動(dòng)這一領(lǐng)域的發(fā)展”。

資料來(lái)源：

https://www./news/2024/01/426941/diagnostic-errors-are-common-seriously-ill-hospitalized-adults

（該文翻譯發(fā)布得到了原文作者授權(quán)）