服務提供者焦點：預測模型以健康公平性的角度幫助規劃臨終護理

Susan Beane醫學博士，第一保健執行醫療總監
Vincent Major, Ph.D.，紐約大學格羅斯曼醫學院人口健康助理教授

Susan Beane醫學博士導言

一項2019年的研究顯示，近一世紀以來的頭一回，在美國，家成為了最普遍的死亡處所。對於在2017年去世的美國人，相較於略低於30%的美國人在醫院中死亡和近21%的美國人在安養院中死亡，近31%的美國人在家中死亡。

然而，同一項研究顯示，少數族裔病患較白人病患，在家中離世的機會較低。病患的希望與實際的結果之間仍存在明顯的脫節現象。
造成這種脫節現象的一個原因是醫師不清楚病人對於臨終護理的計劃。有時候，病人沒有和家人談到這項話題，這是可以瞭解的，因為臨終護理既昂貴又複雜，更遑論這個話題讓人充滿壓力，而且老實說，不容易。在其他情況下，有討論，但他們的心願並沒有記錄下來，讓醫生可以看到。

Vincent Major, Ph.D.是紐約大學格羅斯曼醫學院人口健康助理教授。他也是該系所預測分析小組的成員；該小組著重於確保人工智慧模型能夠被納入日常的醫療執業當中。他與同仁共同開發的模型之一，是透過臨終規劃的角度來檢視死亡風險的預測模型，這個模型有助醫療系統服務提供者能針對預立醫療護理計劃進行更多的對話。這項工作的關鍵組成部分是學習如何調整模型的運用，以在醫療護理的平等性與公平性之間取得平衡。

鼓勵更多有關預立醫療護理計劃的對話

作者：Vincent Major, Ph.D.，紐約大學格羅斯曼醫學院人口健康助理教授

雖然每位患者的慢性疾病軌跡有所不同，但許多人都經歷過一種稱為警訊住院（sentinel hospitalization）的情況。這是患者的病情已惡化到必須對他們的預後、治療選項及護理目標重新評估的時刻。

事後回想時，要確定警訊住院並不困難。任何失去親人的人都能夠回憶起當事情發生轉變的那一刻，也許還能回憶起，與護理團隊的對話開始從協助康復轉成了提供舒適。然而，我們當時往往難以注意到這個轉變。

我們死亡率預測模型的目標是找出已住院而且在60天內有高死亡風險的病患。我們想要在住院醫囑發出後的幾分鐘內運行這個模型，以便服務提供者可執行兩件事：瞭解病患的預後以作出所有關於他們的護理決定，以及與病患和家屬進行預立醫療護理計劃的討論並記錄下來。

我們使用自己的電子健康記錄（EHR）資料（即三年期間的128,000件住院病例）以及我們所取得的資料集，其中包括來自社會安全管理局的死亡資料來建立這個模型。自從執行這些模型以來，我們看到一些最具風險的患者，其記錄在案的預立醫療護理計劃（ACP）的數量有所增加。我們的系統協助確保我們的患者都能被徵詢到他們對於臨終護理的心願，並協助我們的醫師能更有效提供足以滿足這些心願的護理。我們也將這個模型應用於醫療管理流程中的病患篩選部分，其中預立醫療護理計劃被納入到患者出院回家後與社區健康工作人員或其他護理協調員的對話之中。

調整模型的運用以解決其差異

在啟用死亡率預測模型時，我們注意到一件事，就是結果中的差異。我們在多個院區運行相同的模型，但在一個地點接受治療的患者較不可能超過模型的截止閥值，而被引導至進行ACP對話。

我們發現這是因資料分佈而致的結果。我們的模型是建立在使用率與風險成正比的假設上，因為看醫生、去急診室或去醫院的次數越多，則死亡風險就越大。然而，在該地點只能獲得有限護理的病人，或相應而言較多去看我們系統外服務提供者的病人，有較少運行預測模型的資料。由於他們的使用需求不是資料集的一部分，因此模型可能會不公平地低估了他們的風險。

這就導致我們要面對一個關鍵性問題。我們是否要使用這個模型來提供同等的護理，並繼續讓該地點的病患處於劣勢？或者，我們是否要改變使用此模型的方式，以提供更平等的護理並確保資源會被用到有需要的病患身上？

我們的醫療系統選擇根據我們現有的患者資料來開發不同版本的預測模型。在這個情況下，如果我們有一位在我們的EHR系統中無現有資料的新註冊的病人，我們可單單使用其病史及健康檢查記錄來運行一個「相似」（sibling）模型，這有助為所有類型的病人創造公平的環境。

我們分析的另一個部分是探索對於在不同醫院地點住院的病人之模型閥值的變化。這樣我們就能夠在整個組織中使用同一個預測模型而只修改閥值作為一個糾正因素，以協助確保更多可能受惠於ACP對話的病人能獲得建議的介入措施。有幾個因素讓這個方法變得複雜，包括病人的結果及獲得護理這兩方面如何隨著時間而得到改善，以及任一個病人視其前往的醫院不同而得到不同治療所引發的不公平的情況。

在解決此問題時，我們學到了AI偏見這項重要課題。我們發現，不理會這種偏見無濟於事。然而，我們將AI呈現的局限性視為解決現有差異現象的機會，並確定了糾正這種現象的途徑。注意到這一健康公平性的問題激勵著我們要提供替代途徑來發現高風險病患，以便我們能拓展我們的計劃並發現更多能受惠於臨終規劃的互補型病患。