LO
实际部署脑力工作自动化2020-01-01
西奈山医疗系统的营养师在五家医院使用已部署的机器学习评分,决定先评估哪些住院患者是否营养不良
营养师职业页 →
事件日期 / 报道日期
2020-01-01
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
评估一个人吃了什么
根据饮食日记、回忆和照片记录并估算一个人的摄入。
正在被增强✓ 有证据支撑
适用范围
美国纽约。该医疗系统自己的研究人员说,它部署了一个机器学习模型(MUST-Plus)在入院时识别营养不良,自 2020 年起已在旗下五家医院部署;注册营养师团队用它的预测决定每天查房时先评估哪些住院患者,评估后由营养师按临床标准记录营养不良诊断。论文也发现这个模型在部分时期和人群中校准偏差。这是一个医疗系统;模型只是给营养师排序患者,不做评估或诊断,也没有报告营养师时间的变化。
这意味着什么
在真实的医院里,软件已经决定营养师看患者的先后,而评估仍由营养师做。
还不能说明什么
一个医疗系统,一个只排序不评估的模型,没有测量营养师的时间。
你可以核实什么
打开 npj Digital Medicine 论文(PMC11156633),找到 "used by the RD team to prioritize which inpatients to evaluate"。
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
Mount Sinai Health System authors — 'Assessing calibration and bias of a deployed machine learning malnutrition prediction model within a large healthcare system', npj Digital Medicine 7:149 (6 June 2024) · 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。