普通病房患者很难像重症监护室患者那样接受24小时密集监测。即便病情突然恶化，在缺乏专门应急响应团队的医院，也可能因早期识别不及时而延误处置。研究显示，在这种环境下，人工智能（AI）心搏骤停预测医疗器械可作为患者安全网发挥作用。
医疗AI企业VUNO于18日表示，关于“VUNO Med–DeepCARS（VUNO Med–DeepCARS）”临床效果的多中心研究结果，已刊登在国际学术期刊《Diagnostics》上。
DeepCARS是一款医疗器械，可由AI分析住院患者的血压、脉搏、呼吸频率、体温等生命体征，并向医护人员提示24小时内心搏骤停风险较高的患者。
本次研究以未运行快速响应系统（RRS）的江东圣心医院、始华医院、仁川Na-eun医院等3家二级医院为对象，纳入约16万名年满19岁的普通病房住院患者，对比引入DeepCARS前后的临床差异。快速响应系统是指在普通病房中及早发现患者病情恶化，由专门医护人员迅速评估并处置的患者安全应对体系。
报告指出，一旦发生院内心搏骤停，1年生存率仅约13.4%。为预防此类事件，建议运行早期预警系统与快速响应系统，但由于成本高、人员受限等原因，二级医院级别的医疗机构往往难以配备。
研究结果显示，引入DeepCARS后，院内心搏骤停发生率降低21%，院内死亡率降低15%。总住院天数平均缩短0.51天，重症监护室住院天数平均缩短1.32天。尤其在作为院内心搏骤停主要前驱原因之一的脓毒症患者群体中，心搏骤停减少29%，死亡率下降22%，显示出更高的临床效果。
VUNO首席技术官（CTO）朱成勋表示：「本研究是第二项证明DeepCARS可在普通病房降低院内心搏骤停的研究，也是首项多中心研究。」他补充说：「研究确认，在因成本与人力负担而难以配备RRS的二级医院中，DeepCARS同样具备可扩展性，有望成为一种具成本效益的患者安全工具。」
另一方面，DeepCARS在今年1月的仁荷大学医院研究中也显示出将心搏骤停降低46%、死亡率降低35%的效果。当时研究并非仅分析既往记录，而是在研究启动后对实际住院患者进行随访，核验使用DeepCARS前后的结果。本次多中心研究则意味着，在多家二级医院中同样验证了DeepCARS的可用性。
DeepCARS目前已在包括试点使用医院在内的约170家医院、约6万5000张病床中引入并使用。在韩国，主要围绕非医保支付市场进行应用。
