人工智能預測重病患者生死：準確率達93%

 醫(yī)院對重癥監(jiān)護室（ICU）有一個可理解的目標：減少患者“在病床上去世”事件。 在重癥監(jiān)護室里，監(jiān)測患者各項生命體征的醫(yī)學設(shè)備采集到的數(shù)據(jù)匯聚成一股洪流，正好讓人工智能有了用武之地：判斷患者何時會情況惡化。美國緊急醫(yī)療研究所（Emergency Care Research Institute，ECRI）的普利楊卡·沙（PriyankaShah）表示：“現(xiàn)在，許多醫(yī)院都有興趣開發(fā)可預測膿毒癥、心臟驟停和呼吸停止等危及生命癥狀的預警系統(tǒng)?！盓CRI研究所是一家評估保健行業(yè)醫(yī)療程序、設(shè)備和藥物的非營利組織。

 沙提出，學術(shù)研究人員和醫(yī)療器械公司都在試圖找出哪些可測量的生命體征組合可以作為判斷患者情況惡化的佳指標。一旦克服技術(shù)方面的挑戰(zhàn)，研究人員還必須證明這樣的指標在臨床上是可行的。她說，不僅要得到技術(shù)層面可行的證據(jù)，還要證明它能被整合到醫(yī)院的工作流程中，并能夠節(jié)約資金。

 

要想讓ICU變得更加智能，艱巨的任務(wù)是可能就是應(yīng)對美國食品與藥品監(jiān)督管理局（FDA）的監(jiān)管，以及跟墨守成規(guī)的臨床醫(yī)生和對錢高度敏感的醫(yī)院管理層打交道。就技術(shù)層面而言，該研究前途光明。

預測生死
兒科重癥監(jiān)護室（PICU）內(nèi)的場景令人心痛。在新生兒病房，羸弱的新生兒躺在各種機器和監(jiān)視器環(huán)繞的塑料恒溫箱內(nèi)。大廳里，插著靜脈注射管的孩子在明亮的卡通壁畫下勇敢地微笑。 在洛杉磯兒童醫(yī)院，數(shù)據(jù)學家梅利莎·埃索（Melissa Aczon）和大衛(wèi)·萊德特（David Ledbetter）帶來了一個可以讓醫(yī)生更早、更準確感知哪些孩子會情況惡化的AI系統(tǒng)。埃索和萊德特在醫(yī)院設(shè)立的虛擬PICU研究部工作。在這里，他們與迫切希望改進手術(shù)的臨床醫(yī)生合作。

埃索說：“他們的觀點是，ICU每天都有各種突發(fā)事件，保存著大量數(shù)據(jù)。我們有責任從這些事件中學習，并將經(jīng)驗教訓用于將來的患者?！?埃索和萊德特想要通過訓練AI系統(tǒng)從而得到準確的預測，因此他們設(shè)計了一個實驗系統(tǒng)來預測PICU的死亡率。他們從醫(yī)院的電子健康記錄中獲取數(shù)據(jù)，這些數(shù)據(jù)包括隔幾分鐘就會測量一次的孩子生命體征數(shù)據(jù)，也有實驗室的試驗結(jié)果、藥物的管理信息等。 從超過12，000名曾在PICU就診的患者記錄中，他們的機器學習程序發(fā)現(xiàn)了數(shù)據(jù)中的一些模式，能夠把5％的死亡患者與其他患者區(qū)分開。并且，這個AI系統(tǒng)預測患者死亡的準確度達到了93％，遠高于目前在醫(yī)院PICU中使用的更簡單的評估系統(tǒng)。埃索和萊德特在預印本Arxiv上發(fā)表了他們的結(jié)果。 他們的關(guān)鍵突破在于采用了一種稱為循環(huán)神經(jīng)網(wǎng)絡(luò)（RNN）的機器學習算法。這種算法旨在處理持續(xù)的數(shù)據(jù)流，而不是從某一時刻的數(shù)據(jù)“快照”中得出結(jié)論?！癛NN循環(huán)神經(jīng)網(wǎng)絡(luò)在處理序列性臨床數(shù)據(jù)方面具有得天獨厚的優(yōu)勢。”埃索說，“新信息持續(xù)不斷地產(chǎn)生，并且需要與原先的數(shù)據(jù)進行整合?！彪S著時間的推移，RNN神經(jīng)網(wǎng)絡(luò)的表現(xiàn)也越來越來好。

 盡管這個AI系統(tǒng)還只是實驗性的，但是埃索和萊德特認為該工具將在PICU中發(fā)揮巨大作用。當然，如果死亡率預測軟件真的要在醫(yī)院里使用，醫(yī)生肯定不會滿足于僅僅得到一個冷酷的死亡風險評分。這個評估只是步，萊德特表示。他說：“一旦你了解病人將會發(fā)生什么事情，那么你會考慮如何干預，做出改變?！?/p>

預防ICU危機
“我們的使命是通過將ICU的關(guān)鍵護理環(huán)節(jié)自動化來降低死亡率?！盇reteX系統(tǒng)公司的聯(lián)合創(chuàng)始人瓦西姆·哈達德（Wassim Hadda）表示。該公司（正在更名為AutoMedica）專注于ICU護理的兩個重要部分：通過機械呼吸機管理患者的呼吸，以及通過靜脈注射管管理輸液量。 哈達德說，在美國，每年有570萬人進入ICU，230萬人需要機械呼吸機幫助他們呼吸。其中約有80萬人會遇到“病人－呼吸機”不同步的問題?！叭绻颊卟粔蜴?zhèn)靜，往往就會發(fā)生不同步的問題?！?/p>

哈達德解釋說，“即使患者想要吸氣，但機器卻告訴他：不，呼氣。這會讓患者產(chǎn)生嚴重的焦慮情緒?！?AreteX的工程師們制作的一個機器學習工具，可以根據(jù)患者呼吸機的數(shù)據(jù)識別出不同類型的不同步問題。此時，AI系統(tǒng)會向護士或呼吸治療師發(fā)出警報，提醒他們趕快增加患者鎮(zhèn)靜，防止他反抗呼吸機。該公司近期在東北佐治亞醫(yī)療中心開展臨床試驗來測試這個AI系統(tǒng)。 目前的解決方案只是履行公司使命的步。“我們現(xiàn)在能夠提供臨床決策支持，不過希望將來能走得更遠?！?/p>

哈達德說，“終，一個完全自動化的系統(tǒng)可能通過改變呼吸機的節(jié)奏來糾正這個問題?！比欢?，進入這一階段需要大量的臨床試驗向監(jiān)管機構(gòu)和謹慎的醫(yī)院管理層證明系統(tǒng)的安全性。 AreteX還有一個類似的項目來監(jiān)測ICU患者通過靜脈滴注獲得的輸液。輸液的目的是增加血液體積并提高血壓。哈達德表示，現(xiàn)今的輸液管理過程效率低下：“醫(yī)生通常交代護士去完成，而護士也只是手動改變輸液速率。幾個小時后，醫(yī)生再重新評估病人?！?/p>

他認為，ICU的工作人員必須非常小心來達到平衡狀態(tài)，因為太多或太少的輸液都有可能讓患者陷入休克或遭受嚴重的并發(fā)癥。 哈達德的系統(tǒng)采用機器學習的方法來衡量個體患者對輸液量的持續(xù)反應(yīng)，以時刻保持患者的狀況穩(wěn)定。AreteX也在東北佐治亞醫(yī)療中心測試其輸液管理系統(tǒng)。 伴隨著美國人口老齡化的快速發(fā)展，以及眾所周知的在重癥監(jiān)護臨床醫(yī)師方面的培養(yǎng)缺口，哈達德認為，自動化可能是的答案?！艾F(xiàn)今有300萬85歲以上的人，到2030年將有900萬人?！彼f，“這將給國家的ICU帶來巨大的壓力。