对公共卫生警报的加速快速响应
通过利用由 Elastic 提供支持的 CogStack，伦敦国王学院医院成功地跟踪了 Covid-19 患者及其症状，从而能够向医疗保健组织提供关键信息，帮助他们为大流行病和其他公共卫生警报做好准备。
保护患者免受某些药物的风险
在关键的医疗安全情况下，CogStack 和 Elastic 使医疗保健人员能够迅速识别和检索相关的医疗记录，将搜索时间大幅缩短至仅四小时，而这可能需要数月甚至数年才能完成。
优先处理有风险的患者
利用 CogStack 和 Elastic 的强大功能，临床医生可以迅速找出患有紧迫病情或异常结果的患者，这些患者需要紧急关注，从而降低临床损害的风险。
英国领先的医院使用由 Elastic 和语言 AI 提供支持的 CogStack 平台，该平台可改善患者护理、临床试验招募、服务规划和临床研究。
2020 年 3 月，伦敦国王学院医院面临着由 Covid-19 病毒引发的入院人数激增。但在大流行病的早期，关于该疾病仍然存在大量不确定性。临床医生甚至不确定该如何称呼它。一些患者记录提到冠状病毒，一些提到 Covid，还有一些提到该名称的其他变体，这使得关联链接变得困难，甚至是不可能。
国王学院医院人工智能和数据临床主任、神经学教授 James Teo 说：“由于患者记录中表达词语的方式如此之多，我们有可能无法跟踪基本信息，例如有多少人感染了该病毒，他们的病情有多严重以及他们正在接受什么治疗。”
在英国，电子医疗记录的松散结构使问题变得复杂，这些记录包括存储在众多医疗保健系统中的多种数据格式。但是 Teo 教授和他的团队已经做好了准备。2016 年，他们开发并推出了一种名为 CogStack 的革命性数据存储和分析解决方案。简而言之，CogStack 将来自多个来源的患者信息整合到单个数据仓库中。一个由 Elasticsearch 提供支持的先进搜索层，结合了自然语言处理 (NLP) 和人工智能 (AI)，使临床医生能够从非结构化数据中提取有意义的信息。
在大流行病开始时，这让医院可以快速搜索患者记录，从而跟踪确诊病例和出现症状的患者。结果与其他医院和医疗保健提供商共享，以便他们更好地为病毒传播做好准备，并向公众提供准确的信息。
使用人工智能改变医疗保健的未来
新冠疫情只是 CogStack 如何改变英国医疗保健的一个例子。近年来，它已帮助临床医生和医疗机构改进临床试验招募、人口健康管理、临床审计、服务规划和临床研究。
该平台的成功使其得以在其他医院部署，包括盖伊和圣托马斯医院、伦敦大学学院医院以及南伦敦和莫兹利医院。这些核心站点已处理超过 2 亿份临床文件。
Elasticsearch 是 CogStack 解决方案的关键组成部分，为临床医生提供了一个与常用搜索引擎一样易于使用的界面。“我们最初从 Elastic 的开源版本开始，以测试一些早期的概念验证，”Teo 教授说。“很快就清楚了，Elastic 是搜索 CogStack 的理想解决方案。”在与 Elastic 团队密切合作下，Teo 教授随后部署了商业版本，使医院能够扩展其平台，以满足更广泛的医疗受众的需求。
通过 Elastic，我们可以获得实时见解，从而缩短行动时间，扩展平台以满足用户需求，并搜索相关数据，使临床医生能够快速做出重要的患者决策。
一个 Elastic 顾问团队在现场为国王健康合作伙伴的团队提供支持，协助他们推出该解决方案。“他们的存在至关重要，帮助我们添加功能并定制 Elastic 的技术，以充分利用 CogStack 平台，”Teo 教授说。“他们还帮助我们设置了 Kibana 仪表板，该仪表板可以可视化数据并支持决策制定。”
至关重要的是，Elasticsearch 支持自然语言处理，这是一个人工智能分支，使计算机能够像人类一样理解文本和口语。“临床医生非常喜欢使用由 Elastic 提供支持的 CogStack。他们可以按照他们书写和说话的方式进行搜索，而无需使用编码或专业数据技能，”Teo 教授说。
在人口层面，医院正在使用由 Elastic 提供支持的 CogStack 来识别患者护理的趋势并提高医疗保健结果的质量，例如南伦敦莫兹利医院正在使用该系统来帮助跟踪患有精神疾病的患者，以提供更高质量的护理。警报功能也有助于降低患者的风险，“如果有一项测试显示异常，CogStack 会使用 Elastic 提醒医生结果，以便他们主动响应患者的需求，”Teo 教授说。
国王学院医院的急诊科（ED）是英格兰东南地区的主要急救中心，平均每年治疗超过 122,000 名患者。
改善患者预后并降低临床风险
该解决方案的另一个优势在于其多功能性。国王学院医院高级讲师、荣誉顾问肾脏病专家凯特·布拉姆汉姆博士正在使用 CogStack 和 Elastic 来收集有关肾脏疾病和治疗方法的证据。“我们所在地区的人口非常多样化，并且有数十年的数据可供查询。过去，进行这项研究会非常耗时且昂贵。能够使用 CogStack 完成这项工作对我们来说是一项颠覆性变革。”
现在，布拉姆汉姆博士及其团队可以提取肾功能和处方数据，比较针对不同族裔人群推荐的治疗方法。“这意味着我们可以根据患者的背景开出适当的药物，并最大限度地降低副作用的风险。我希望我们工作的成果能够为临床指南提供信息，并帮助改变英国和全球的实践。”
CogStack 和 Elastic 的另一位热衷倡导者是盖伊和圣托马斯 NHS 基金会信托基金的顾问心脏病专家 Stam Kapetanakis 博士。他的职责包括监测正在接受癌症治疗且患心脏衰竭和其他并发症风险更高的患者。“我们担心我们只看到了肿瘤科转诊的一半患者。虽然我们知道存在问题，但我们缺乏准确的数据来申请更多的设备和人员。”
在部署 CogStack 和 Elastic 之前，筛选数千名患者的数据根本不可行。“但现在我们拥有提取相关信息并为监测每位癌症患者争取额外资源的有力工具，”他说。
医院也能够更好地对医疗警报做出反应。2018 年，英国药品和医疗保健监管机构 (MHRA) 发布消息称，药物丙戊酸钠可能对育龄妇女构成风险。它希望确定所有正在服用该药物或以前接触过该药物的女性。对于许多医院来说，这将是一项艰巨的任务，因为丙戊酸钠用于治疗多种疾病，包括癫痫、偏头痛和抑郁症。
在短短几个小时内，Cogstack 和 Elastic 就被用来识别那些可能受到特定药物危害的患者，而以前这可能需要数月甚至数年。
但 Teo 教授通过搜索患者记录、诊所信件和病史，能够识别出数千名女性。“我们确定了该药物在患者记录中列出的所有不同方式，”Teo 教授说。“这使我们能够找到所有正在服用丙戊酸钠的女性。”
在发生重大医疗安全问题时，CogStack 和 Elastic 使我们能够在一下午就找到所有相关的医疗记录，而以前这可能需要数月甚至数年。由于我们的努力，成千上万的女性得以避免服用可能伤害未出生婴儿的药物。
展望未来，Teo 教授可以看到 CogStack 和 Elastic 在英国国家医疗服务体系 (NHS) 中更广泛的应用。随着患者人数的增加和人口老龄化，该平台将在提高护理途径效率和医疗保健结果方面发挥作用。
Teo 教授说：“我对 Elastic Stack 集成到其他新领域（如词嵌入）以实现相似性搜索以及语言 AI 和生成式 AI 的作用感到非常兴奋。随着我们开始探索不仅是单词之间的关系，还有疾病和患者的风险之间的关系，这种情况只会扩大。”
他还看到了在更多医院和更广泛的 NHS 中复制和扩展 CogStack 和 Elastic 的机会。“在英国的医疗资源比以往任何时候都面临更大压力的时候，我们相信 CogStack 和 Elastic 可以在帮助改善诊断和治疗以及减少等待时间方面发挥重要作用。”
通过利用语言 AI 解锁和利用宝贵的医疗保健数据，CogStack 和 Elastic 为大幅改善患者预后和降低临床风险铺平了道路。通过利用数据分析、机器学习和预测建模等先进技术，CogStack 和 Elastic 使医疗保健提供商能够获得可行的见解、识别趋势并做出直接影响患者护理的知情决策。这种数据驱动的方法使医疗专业人员能够提供个性化治疗、增强患者安全性并主动降低临床风险。
