从行为健康筛查转向持续监测，AI让疾病管理“转被动为主动”

来源：HIT专家网   编译：周亦川    

“行为健康（Behavioral health）状态影响各类疾病的治疗效果，但仍缺乏与常规医疗体系协调一致的治疗方案。AI有望扭转这一医疗模式的窘境。”

NeuroFlow公司（美国一家数字心理健康服务提供公司）首席执行官Chris Molaro介绍，行为健康是指心理、情绪与行为对整体健康状态的影响，涵盖心理健康、心理困扰、自杀意念与行为、药物使用及药物使用障碍。当前医疗管理工作流程、病历系统及医疗保险系统等缺乏统一整合机制，难以为跨学科、跨区域协同治疗提供支持。不同系统各自独立，缺乏对患者风险、症状及治疗依从性的整体性长期监测机制，最终治疗效果十分有限。  

Molaro称，美国近八成的初级保健医生仅为抑郁症患者开具抗抑郁药，而忽略基础筛查手段，例如使用抑郁焦虑自评量表PHQ-9或GAD-7。在各类专科领域，行为健康进一步影响整体治疗效果。例如，患有抑郁症的心力衰竭患者坚持治疗的比例仅为普通患者的四分之一，死亡率明显上升。  

借助医疗AI的信息收集整合能力，患者行为健康状态将被纳入长期病历记录。相关机构从收集需求转向切实解决问题，最终在服务可及性、治疗效果以及成本优化方面带来改善。

从被动护理到主动护理

Molaro分析，行为健康风险与症状评分、用药及就诊依从性下降、慢性病恶化以及健康相关的各类社会因素相关，难以通过单一数据标准加以评估。过去医疗机构往往等待患者主动寻求诊疗，甚至出现急症才加以干预。AI的跟踪整合能力使患者健康管理由被动模式转为主动，可通过识别心理健康状况恶化的相关信号，并根据患者实际需求提供持续性服务。  

NeuroFlow公司与独立蓝十字保险公司合作，对1.3万名参与商业健康保险的患者开展研究。结果显示，在初级保健领域，结合AI行为健康干预的患者日常就诊比率提高68%，急性发病就诊比例下降33%，每月平均医疗支出下降27.6美元，表明患者能够获得更优质且成本更低的治疗。  

Molaro表示，这种新型诊疗模式通过建立共享数据，可逐步削减系统中不必要的成本，简化预审批流程，加快诊疗流程，使患者能够根据病情严重程度获得相应治疗。

审慎考量AI在健康综合管理中的角色

AI模型的性能取决于其训练数据质量，医生需了解行为健康风险评估过程、医疗建议的产生依据，并考虑模型在不同人群中的适用性。AI输出内容是否可以作为客观依据，各机构需审慎考虑。

Molaro强调：“AI的作用在于辅助临床决策，而非取代医生的判断。行为健康本质上是一门以人为中心的学科，AI永远无法取代医生与患者之间的交流与信任，模型或许能预测某位患者存在较高风险，但无法了解其生活状况与人际关系。”  

行为健康动态监测模式展望

Molaro展望，未来3—5年，行为健康干预或将从传统的问卷调查，转向基于AI结果分析的动态监测模式，整合患者临床数据、自我评估、用药及就诊依从性，形成综合评估结果。患者行为健康风险可被纳入日常管理范围，如同对血压、血糖及各类慢性疾病所做的长期管理；利用各类数据及AI分析所得信息，动态掌握患者行为健康状态。  

在Molaro看来，动态监测面临的最大障碍并非技术，而在于执行。他相信，行为健康管理将日益成为人口健康战略中的核心组成部分，尽早识别风险并适当采取干预措施，可获得更大收益。

原文链接：https://www.healthcareitnews.com/news/behavioral-health-ai-moves-screening-continuous-risk