为了找到更好的方法，该团队研究了2012年至2019年期间从纽约Northwell Health医院的患者身上采集的生命体征测量数据。收集的数据包括呼吸频率、心率、收缩压、体温和年龄。该研究共检查了2430万次生命体征测量数据，来自213万名患者就诊。
该团队利用这些信息开发了一个深度学习的预测性临床工具，该工具利用人工智能来预测患者的夜间稳定性，消除了多次生命检查的需要。这项研究周五发表在《自然》合作伙伴期刊《数字医学》上，研究结果显示，在1万名患者的过夜住院中，AI只误判了2名。该团队补充说，这些错误分类可以由护士在典型的巡视中轻松解决。
“休息是患者护理的关键因素，已经有充分的证据表明，睡眠中断是一种常见的抱怨，可能会延迟出院和恢复，”Feinstein研究所生物电子医学研究所助理教授和研究团队的领导者Theodoros Zanos在一份新闻稿中说。Zanos指出，该团队的研究结果凸显了基于机器学习的解决方案的安全性和准确性。
除了帮助患者更好地睡眠，人工智能还可能帮助负担过重的护士和医院工作人员。根据研究团队的数据，护士花了20-35%的时间记录生命体征，大约10%的轮班时间收集生命体征--他们平均每4到5个小时就必须为每个病人收集一次。 研究人员表示，人工智能可能意味着护士在一个夜班中减少20-25%的工作量。
该工具目前已在Northwell Health的几家医院推出。<!DOCTYPE html>
