LO
实际部署脑力工作自动化2018-11-05
杜克大学医院让快速反应团队的护士成为其脓毒症深度学习工具的使用者:由他们分诊警报并致电医生,每小时最多处理四条高风险警报
护士职业页 →
事件日期 / 报道日期
2018-11-05
证据阶段
实际部署企业已正式投入使用。可以改变基线,但要结合规模与场景相似度加权。
关联任务
与临床决策工具协作
使用并否决警报、分诊建议和记录草稿,并在它们出错时上报。
新出现的任务✓ 有证据支撑
适用范围
美国北卡罗来纳州。医院自己的实施研究说,Sepsis Watch 于 2018 年 11 月 5 日上线;快速反应团队的护士用它分诊有脓毒症风险的患者,并与急诊科医生沟通治疗;这些护士就每一位患有或高风险患有脓毒症的患者致电医生;每小时最多四条高风险警报被确定为单个护士用户的理想工作量。这是一家医院、一个专门的护理团队;没有报告工作量的测量。
这意味着什么
至少在一家医院里,盯住并处理深度学习模型的警报已经成为一项明确的护理工作。
还不能说明什么
一家医院、一个专门团队,没有测量工作量。
你可以核实什么
打开 JMIR Medical Informatics 关于 Sepsis Watch 的研究(PMC7391165),找到 "Up to 4 high-risk alerts per hour"。
是否改变评估
否。影响指数不会被单条事件改变。这条记录做到的是:上面 1 项关联任务的判断从「推断」变成了「有证据支撑」。
来源
Sendak M et al. (Duke University Health System) — 'Real-World Integration of a Sepsis Deep Learning Technology Into Routine Clinical Care: Implementation Study', JMIR Medical Informatics 8(7) (15 July 2020) · 核实于 2026-10-09 · Claude (VOLO agent) · 解读于 2026-10-09 · Claude (VOLO agent)
一手来源 —— 由做这件事的当事人或记录的权威机构发布,无需联署。