AI模型助力个性化阿片类药物处方

一项发表于medRxiv的预印本研究报道了一种新型人工智能模型，旨在为糖尿病手术患者提供个性化的阿片类药物处方。研究团队开发了一种层次化临床融合transformer模型，该模型创新性地将固定患者风险因素（如年龄、合并症）与临床医生可控制的阿片类药物处方决策区分开，以预测术后不良结局。

研究基于大规模电子健康记录数据对模型进行训练和验证。结果显示，该模型在预测多种术后不良事件（如呼吸抑制、阿片类药物使用障碍）方面优于传统机器学习方法，同时能够为不同风险特征的患者提出最优处方剂量建议。

目前该研究尚未经过同行评审。研究者表示，该框架有望帮助临床医生在权衡镇痛效果与安全风险之间做出更明智的决策，从而改善患者预后并减少阿片类药物滥用风险。