在医院的日常工作中，许多人都在追求最好的模型，最炫的算法，以及拥有最高曲线下面积的机器学习术语。然而，问题在于，尤其是在中型医院中，纸面上的“最佳”模型可能对你的团队、患者以及工作流程并不适合。

作为一名注重数据的内科医生，我一直在探索如何利用人工智能来减少30天内的再次入院，这不仅与成本有关，还涉及治疗的连续性、尊严和信任。每次患者再次入院，我们可能损失超过16,000美元，更糟糕的是，我们在康复中失去了动力。因此，如果我们打算利用人工智能来解决这个问题，我们必须谨慎选择。

选择的第一步是提出正确的问题：我们能否足够信任这个模型以采取行动？

随机森林或逻辑回归等模型可能缺乏深度学习或神经网络的吸引力。然而在临床领域，解释性比神秘性更重要。如果我无法向护士案例经理或我的首席医学官解释这个模型，我们就无法获得支持——这就是终点。

更重要的是，在如再次入院预防这样高风险的环境中，召回率比其他任何事情都重要。假阴性不仅仅是错过预测——它们是错过了干预的机会。如果我们未能标记出高风险患者，我们可能会失去唯一一次让他们避免再次入院的机会。一个平衡的随机森林模型最近显示召回率从25%跃升至70%，而不会牺牲准确性或曲线下面积。这不仅仅是统计上的有趣，而是操作上的相关。

然而，即使表现最好的模型也会失败，如果没有人信任它。医生们不想要魔法——他们要的是逻辑。他们希望有一个与他们直觉一致的模型，一个可以与之争论和理解的模型。他们想知道为什么算法标记了某某先生需要跟进，而不是某某女士。这就是解释性不可选的地方——它是伦理。

我们还需要诚实地面对实施问题。如果你的人工智能工具增加了登录步骤、仪表板或额外的认知负担，它将无法实施。正确的解决方案应该融入我们的工作流程，而不是反过来。它应该增强我们的意识，而不是替代我们的判断。它应该说一种整个团队都能理解的语言。

这包括领导层。如果我走进董事会会议室推销一个人工智能解决方案，我需要从他们关心的事情开始：成本节约、住院时间和再次入院的罚款。但随后我转向我们关心的事情：更安全的出院、更清晰的过渡以及更少的可预防伤害。这就是如何从走廊的两边赢得信任。

人工智能不是即插即用的。它不是关于选择最新的技术，而是关于构建适合的技术——临床上、操作上和文化上。在中型医院中，每一个资源都很重要，这比以往任何时候都更重要。

让我们停止追求花哨的东西。让我们开始构建真正有效的东西。

注：本文内容仅供科普参考，不构成专业医疗建议，如有健康问题请咨询专业医生。