Varovné signály zhoršování Epicu jsou spojeny s nižší úmrtností v nemocnicích

Připojení široce nasazeného nemocničního predikčního modelu k automatickým stránkám pro týmy kritické péče bylo spojeno se snížením rizika úmrtí v nemocnici o 18 %, podle studie 23 132 pacientů s vysokým rizikem publikované v NEJM AI dne 29. července 2026. Výzkumníci z Rutgers Robert Wood Johnson Medical School a RWJBarnabas Health sledovali nasazení modelu v 11 nemocnicích v New Jersey, od akademického medicínského centra až po komunitní nefakultní zařízení.

Model je Epic Deterioration Index, proprietární skóre strojového učení, které Epic dodává uvnitř svého elektronického zdravotního záznamu. Čte vitální signály, výsledky laboratorních testů, hodnocení sester a věk, které již jsou v záznamu, a vrací riziko na škále 0-100, které podle vlastního oznámení zdravotnického systému se přepočítává každých 15 minut. Co RWJBarnabas změnilo, byla trasa: jakmile pacient překročil nejvyšší práh rizika, záznam poslal oznámení přímo na rychlou odpověď nemocnice.

Co ukazují čísla

Tým provedl kvazi-experimentální, stupňovitou pre- a post-implentační srovnávací studii, nikoli randomizovanou studii. Zahrnovala dospělé medicínsko-chirurgické příjmy s hodnocením 60 nebo vyšším na indexu mezi 1. říjnem 2022 a 30. srpnem 2024: 10 803 pacientů před změnou a 12 329 po ní, s průměrným věkem 71,9 let. Přibližně 47 % setkání po implementaci vygenerovalo stránku pro odpověď týmu, i když ne každá stránka produkovala aktivaci.

Aktivace rychlé odpovědi u těchto pacientů se zvýšily z 25,3 % hospitalizací na 37,5 %. Úmrtnost v nemocnici se snížila z 23,1 % na 18,6 %. Po adjustaci podle věku, komorbidit, typu nemocnice, indexového skóre a shlukování podle nemocnice byla pravděpodobnost úmrtí v nemocnici o 18 % nižší ve skupině po implementaci, s ajustovaným poměrem šancí 0,82. Eskalace péče se držely kolem 1 % v obou obdobích, takže zvýšený provoz odpovědního týmu se nepřevedl do vlny nových transferů do intenzivní péče.

Jak si model vedl v hlavách-hlavách testů

Modely predikce rizika v nemocnici jsou obvykle hodnoceny podle toho, jak dobře oddělují pacienty, kteří se zhoršují, od těch, kteří se nezhoršují, a tato literatura byla pro tento konkrétní skóre poměrně drsná. V největší dosud zveřejněné analýze Epic indexu výzkumníci z Yale New Haven Health a University of Chicago ohodnotili šest systémů včasného varování proti stejným 362 926 pacientům napříč sedmi nemocnicemi a umístili ho gần dolní části, s plochou pod křivkou 0,808. To zaostalo za National Early Warning Score na 0,829, bodovým systémem, který klinický pracovník může spočítat ručně, a bylo výrazně horší než model strojového učení eCART na 0,895.

Časový rozestup byl větší. Varovné signály Epic skóre dorazily v mediánu jednu hodinu před zhoršením, proti 11 hodinám pro eCART a osm hodinám pro ručně vypočítaný skóre, a autoři poznamenali, že dřívější práce naznačují, že přesun pacienta do intenzivní péče do čtyř až šesti hodin od splnění kritérií zhoršení je místo, kde se zlepšují výsledky. Yale New Haven uvedl, že jeho sedm nemocnic přešlo na eCART v lednu 2024 na základě těchto zjištění.

Tato srovnávací studie také poznamenala, že FDA považuje softwarové produkty pro podporu klinických rozhodnutí, které čtou data z karet a signalizují zhoršující se pacienty, za regulované zdravotnické prostředky, a že pouze dva obecné systémy včasného varování byly v té době schváleny: Rothman Index a eCART. Epic index, který je nejpoužívanější v této skupině, neprošel touto kontrolou, a jeho vývoj a validace nebyly zveřejněny v recenzovaném časopise. Systém záznamů Epic pokrýval přibližně 48 % lůžek akutní péče v USA v roce 2022, podle údajů uvedených v tomto článku, takže skóre se počítá ve velmi velkém počtu budov.

Co mohou nemocnice, které používají Epic, získat z toho

Hlavní autor uvedl smíření jednoduše. “Přínos pro úmrtnost nebyl vytvořen algoritmem, ale partnerstvím kolem algoritmu,” řekl Stephen P. O’Mahony, hlavní lékařský informační důstojník RWJBarnabas Health.

Autoři připisují balíčku změn, nikoli pouze skóre: vzdělávání klinických pracovníků, úpravu varování během počátečního pilotního projektu v Robert Wood Johnson University Hospital, automatizovaná oznámení a stálý tým rychlé odpovědi s personálem kritické péče, který může být odeslán. Když se to čte vedle srovnávací studie Yale, je to operační zjištění pro každého, kdo používá tento nástroj. Rozdíl v úmrtnosti sledoval systém rychlé odpovědi postavený kolem skóre, nikoli hodnocení skóre proti jeho konkurentům.

Skupina nyní vyhodnocuje varovné signály spuštěné rychlostí, jak rychle se zvyšuje riziko pacienta, spíše než úrovní, kterou dosáhne, na teorii, že rychlost kupuje více varování než překročení prahu. Pro mnoho nemocnic, které již mají tento model běžící na pozadí, je přenositelná polovina studie provozní: kdo je stránkován, jak rychle, a kdo přijde k posteli pacienta.