更快速地响应公共卫生警报
通过利用由 Elastic 提供支持的 CogStack，国王学院医院成功追踪新冠肺炎患者及其症状，为医疗保健组织提供关键信息，并帮助这些组织为新冠疫情和其他公共卫生警报做好准备。
保护针对特定药物存在用药风险的患者
在紧急医疗安全情况下，CogStack 和 Elastic 支持医护人员迅速识别并检索相关的医疗记录，将搜索时间大幅缩减至仅需四小时左右，而这一过程本来可能需要数月甚至数年的时间才能完成。
优先处理风险患者
借助 CogStack 和 Elastic 的强大功能，临床医生可以迅速确定因存在紧急情况或异常结果而需要紧急关注的患者，从而减少出现临床危害的风险。
英国领先的医院使用由 Elastic 和语言 AI 提供支持的 CogStack 平台，改善了患者护理、临床试验招募、服务规划和临床研究。
2020 年 3 月，由于新冠病毒的出现，国王学院医院的入院患者数量激增。但在疫情初期，对这种疾病仍存在巨大的不确定性。临床医生甚至都不确定该如何称呼它。有的患者记录称它为冠状病毒，有的称它为 Covid，还有一些其他名称变体，这使得人们很难（甚至不可能）将这些信息联系起来。
国王学院医院 AI 和数据临床主任、神经学教授 James Teo 表示：“由于患者记录中表达词汇的方式多种多样，我们面临着无法追踪基本信息的风险，例如感染了该病毒的人数、他们症状的严重程度以及他们接受了哪些治疗。”
在英国，这个问题很复杂，因为电子医疗记录的结构松散，采用多种数据格式，且存储在众多的医疗保健系统中。但是 Teo 教授和他的团队已做好准备。2016 年，他们开发并推出了一项名为 CogStack 的革命性数据存储和分析解决方案。简单来说，CogStack 将患者信息从多个来源整合到一个数据仓库中。借助一个由 Elasticsearch 驱动的高级搜索层，结合自然语言处理 (NLP) 和人工智能 (AI)，临床医生能够从非结构化数据中提取有意义的信息。
在疫情开始时，这让医院能够快速搜索患者记录，以便跟踪确诊病例和出现症状的患者。结果会与其他医院和医疗保健服务提供者共享，以便他们为病毒传播做好更充分的准备并向公众提供准确信息。
使用人工智能改变医疗保健行业的未来
新冠疫情只是 CogStack 如何改变英国医疗保健行业的一个例子。近年来，它帮助临床医生和医疗保健机构提高了临床试验招募、人群健康管理、临床审计、服务规划和临床研究等方面的工作。
由于该平台取得了巨大成功，其他医院也相继部署了此平台，包括盖伊与圣托马斯医院、伦敦大学学院医院以及南伦敦和莫兹利医院。这些核心站点处理了超过 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流行搜索引擎一样简单易用的界面。“我们最初使用开源版本的 Elastic 来测试一些早期概念验证项目。”Teo 教授说道，“我们很快就明确了一点，Elastic 是在 CogStack 上进行搜索的理想解决方案。” 在与 Elastic 团队密切合作后，Teo 教授部署了商业版，这使得医院能够扩展其平台以满足更大规模的医疗受众的需求。
通过使用 Elastic，我们可以获得实时洞察，缩短采取行动所需的时间，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。
在医院推出此解决方案期间，一支 Elastic 顾问团队在现场为 King's Health Partners 的所有团队提供支持。“这支现场团队至关重要，帮助我们添加功能并定制 Elastic 技术，以充分发挥 CogStack 平台的优势。”Teo 教授说道，“他们还帮助我们设置了 Kibana 仪表板，该仪表板能够对数据进行可视化并支持决策过程。”
至关重要的是，Elasticsearch 支持自然语言处理；自然语言处理是人工智能的一个分支，使计算机能够像人类一样理解文本和口头语言。“临床医生非常喜欢使用由 Elastic 驱动的CogStack。他们可以像书写和交谈那样进行搜索，而无需使用编码或专业数据技能。”Teo 教授说道。
在人群层面上，医院正在使用由 Elastic 提供支持的 CogStack 来识别患者护理趋势，并改善医疗保健结果的质量，例如在南伦敦和莫兹利医院，人们正在使用该系统帮助跟踪患有心理健康问题的患者以提供更好的护理质量。警报功能还有助于降低对患者的风险。“如果检查结果显示异常情况，CogStack 会使用 Elastic 警告医生这一结果，以便他们主动回应患者需求。”Teo 教授说道。
国王学院医院的急诊科是英格兰东南部的主要急救中心，平均每年接诊超过 122,000 名患者。
提高患者的治疗效果并降低临床风险
该解决方案的另一个优势是其功能多样。国王学院医院的荣誉肾脏学顾问、高级讲师 Kate Bramham 博士正在使用 CogStack 与 Elastic 来收集有关肾脏疾病和治疗方法的证据。“我们所在地区人口非常多样化，并且拥有数十年的数据可供查询。过去，进行这项研究将会耗费太多时间和金钱。现在我们能够使用 CogStack 来完成这项工作，对我们来说，CogStack 真可谓颠覆了游戏规则。”
现在，Bramham 博士和她的团队可以提取肾功能和处方数据，并比较推荐给不同种族群体的治疗方法。“这意味着我们可以根据患者的背景开具适当的药物，并尽量减少副作用的风险。希望我们工作的成果能为临床指南提供信息，并帮助改变英国乃至全球范围内的实践。”
CogStack 和 Elastic 的另一位热情支持者是盖伊和圣托马斯 NHS 基金会信托的心脏病学顾问 Stam Kapetanakis 博士。他的职责包括监测接受过癌症治疗的患者，这些患者更容易出现心力衰竭和其他并发症。“我们担心我们只看到了从肿瘤科转诊来的患者中的一半。虽然我们知道存在问题，但缺乏确切数据以申请更多设备和人员。”
在使用 CogStack 和 Elastic 之前，从成千上万名患者的数据中进行筛选根本不可行。“但是现在我们有工具来提取相关信息，并且能提供充分理由来申请额外资源，以便监测每位癌症患者。”他说道。
医院也能做好更充分的准备来应对医疗警报。2018年，英国药品和保健品监管局 (MHRA) 发布了一条消息，称丙戊酸钠这种药物可能对育龄妇女构成风险。MHRA 想要找出当时正在服用或之前曾经服用过该药物的所有女性。这对许多医院来说是一项艰巨的任务，因为丙戊酸钠可用来治疗各种疾病，包括癫痫、偏头痛和抑郁。
医院使用 CogStack 和 Elastic，仅仅几个小时就识别出了某种特定药物的风险患者，而以前可能需要数月甚至数年才能完成。
但是 Teo 教授通过搜索病历、诊所信件和医疗史，成功地找出了成千上万名妇女。“我们找到了该药物在患者记录中可能出现的所有不同方式。”Teo 教授说道，“这使得我们能够找到所有正在服用丙戊酸钠的女性。”
在出现重大医疗安全问题时，CogStack 和 Elastic 让我们仅花一个下午就找到了所有相关的医疗记录，而以前这可能需要数月甚至数年时间才能完成。由于我们的努力，成千上万名妇女得以避免服用可能对未出生婴儿造成伤害的药物。
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) 中会有更广泛的应用。随着患者数量的增加和人口老龄化，该平台在改善护理路径效率和治疗效果方面发挥着重要作用。
Teo 教授表示：“我对将 Elastic Stack 整合到其他新领域（如词语嵌入）以实现相似性搜索感到非常兴奋，同时对语言 AI 和生成式 AI 所发挥的作用也感到十分激动。随着我们不仅开始探索单词之间的关系，还开始探索疾病和患者风险之间的关系，这一技术的应用范围只会越来越广。”
他还看到了利用 Elastic 在更多医院和更广阔的 NHS 中复制和扩展 CogStack 的机会。“在英国的医疗资源面临前所未有的压力之际，我们相信 CogStack 和 Elastic 在帮助改善诊断和治疗、缩短等待时间方面，可以发挥重要作用。”
通过利用语言 AI 解锁并利用宝贵的医疗数据，CogStack 和 Elastic 为改善患者治疗效果和降低临床风险铺平了道路。通过利用先进技术，如数据分析、Machine Learning 和预测建模，CogStack 和 Elastic 支持医疗保健服务提供者获得行之有效的洞察、识别趋势，并做出直接改善患者护理的明智决策。这种数据驱动型方法为医务人员赋能，让他们能提供个性化治疗、更大程度上确保患者安全并主动减轻临床风险。
