基于人工智能的临床决策支持系统（SNOWDROP）在老年患者药物相关性跌倒预防中的随机对照试验研究

本研究针对老年患者药物相关性跌倒风险问题，开发了整合临床决策支持系统(CDSS)和患者门户的SNOWDROP干预方案。通过集群随机对照试验证实，该方案显著提升医患共同决策(SDM)水平(p<0.001)，降低患者决策冲突(p<0.001)，并改善沟通满意度(p=0.001)，为人工智能技术在老年用药安全领域的应用提供了重要循证依据。

随着全球老龄化加剧，药物相关性跌倒已成为威胁老年健康的重要公共卫生问题。据统计，65岁以上老年人中每年约30%会发生跌倒事件，其中40%与使用跌倒风险增加药物(FRIDs)密切相关。然而当前临床实践中存在三大痛点：医生缺乏整合的FRIDs知识库、医患沟通不充分导致决策冲突、传统人工药物审查效率低下。这些因素共同导致老年患者药物优化方案实施困难，亟需技术创新解决方案。

阿姆斯特丹大学医学中心的研究团队在《npj Digital Medicine》发表了突破性研究成果。该团队开发的SNOWDROP系统创新性地将人工智能预测模型与临床工作流相结合，包含两大核心组件：一是嵌入电子病历的CDSS，可自动分析患者数据并生成个性化用药建议；二是面向老年患者设计的门户网站，提供跌倒预防知识库和问题提示清单(QPL)。通过六家基层医疗机构的集群随机对照试验，研究人员首次证实这种数字化干预能同步提升医生和患者的SDM参与度（医生SDM评分提升14.9分，患者提升11.16分，均p<0.001），且不延长诊疗时间(p=0.412)。

研究采用三项关键技术方法：1）基于30余项指南构建的FRIDs知识图谱；2）整合电子病历的自主运行CDSS架构；3）适配老年人使用习惯的患者门户设计。研究对象为84名平均年龄78岁的社区老年人，通过标准化编码和广义估计方程(GEE)进行数据分析。

主要研究发现：

1. 沟通质量提升：干预组医患SDM行为评分显著高于对照组（GP评分57.84 vs 42.94；患者评分50.78 vs 39.62），沟通满意度达8.8分（对照组7.47分）。
2. 决策冲突降低：干预组决策冲突量表(DCS)得分降低11.7分，但仍略高于临床阈值25分，提示需要进一步优化。
3. 用药信念稳定：必要性-顾虑差异量表(NCD)显示患者对药物的认知保持稳定(p=0.352)，反映单次咨询难以改变深层次用药观念。
4. 药物调整争议：剔除异常值后，干预组药物调整率显著提高(OR=6.73)，但心血管药物调整仍占主导(52%)，反映临床实践的惯性阻力。

这项研究的重要意义在于首次验证了人工智能辅助决策系统在老年用药安全场景的可行性。特别值得注意的是，系统通过结构化对话框架成功引导医生完成SDM关键步骤（如目标讨论、选项评估等），同时患者门户的QPL功能有效缓解了老年患者的信息不对称问题。尽管在改变深层次用药信念方面存在局限，但研究证实技术创新可以突破传统医疗的时间瓶颈，为应对欧洲医疗人力短缺提供了数字化解决方案。未来研究需要扩大样本量，并探索如何将系统与慢性病管理流程深度整合。

研究也存在若干局限：1）样本量限制对药物调整效果的统计效力；2）未分析长期跌倒发生率等硬终点；3）可能存在选择偏倚，因参与GP本身对技术接受度较高。这些发现为后续医疗AI产品的临床转化提供了重要启示：技术干预必须与临床工作流无缝衔接，同时需要配套的医患沟通培训，才能实现最佳效果。