0
| 本文作者： 何忞 | 2017-03-09 10:39 |
（圖片來源：iStockphoto）
醫(yī)院的重癥監(jiān)護室（ICU）都有一個工作目標：減少病人在病床上（來不及治療）死亡的概率。
ICU 病房里有著無數病人生命體征監(jiān)控器傳輸來的數據流，這恰好是應用人工智能工具的完美場景，我們可以利用 AI 來判斷病人的病情是否突然急轉直下。來自 ECRI（一個健康設備、醫(yī)藥行業(yè)非盈利評估組織）的 Priyanka Shah 說道：“眾多醫(yī)院都對該應用充滿興趣，我們可以構建提前預警系統(tǒng)，預測可能對病人生命造成威脅的各種情況，比如膿血癥，心臟驟停或呼吸停止。目前，科學界和醫(yī)療設備企業(yè)都在嘗試整合現有測量手段，試圖為病人病情惡化提供最佳預測方法。但即使技術問題被解決，研究者還需要將技術與醫(yī)療相關聯(lián)。“ 這意味著不僅僅需要技術上的支持，還需要將技術整合進醫(yī)院的工作流程中以節(jié)約成本。
而在應付美國 FDA 監(jiān)管方面，固執(zhí)的臨床醫(yī)生和看重成本的醫(yī)院管理層可能成為 ICU 智能化工程中最大的阻礙部分。因為在技術層面，研究前景已經非常光明。
新生兒重癥監(jiān)護室（PICU）內的場景常常是非常令人心痛的。在新生兒病房，脆弱的小寶寶躺在塑料恒溫箱中，被各種機器和監(jiān)控儀所包圍。從大廳看出去，那些連著管子和靜脈注射器的小孩子們正在卡通壁畫下堅強地微笑著。
（圖片來源：iStockphoto）
洛杉磯的兒童醫(yī)院里，數據科學家 Melissa Aczon 和 David Ledbetter 已經設計出一套人工智能系統(tǒng)，幫助醫(yī)生更快更早地發(fā)現孩子們病情惡化的情況。Aczon 和 Ledbetter 在醫(yī)院一個叫做視覺化 PICU 的研究機構里進行研究，與那些希望手術過程更加優(yōu)化的臨床醫(yī)生進行合作。Aczon 說：“他們的觀點是：ICU 室里發(fā)生的一切都在進行數據的收集，我們有責任從這些數據和事件中學習，并將學習經驗應用到未來的病人中?！?/p>
Aczon 和 Ledbetter 的研究從訓練一個 AI 系統(tǒng)做出準確的預測開始。他們設計了一個實驗系統(tǒng)來預測 PICU 室的死亡率。他們借鑒醫(yī)院的電子健康記錄情況，確定了需要使用的數據，包括兒童的關鍵生命體征（一些每幾分鐘就會測量一次的指標），實驗結果和一些藥物信息。
通過超過 12000 個 PICU 的病人記錄，他們的機器學習程序發(fā)現了數據中的模式，可以識別出 5% 的死亡案例。接著，該程序可以在 93% 的精確度下預測出死亡率，這個結果與過去醫(yī)院 PICU 簡單的排序系統(tǒng)相比，有了顯著提升。Aczon 與 Ledbetter 將研究結果發(fā)表在了 Arxiv 的預印本上。
他們研究的關鍵突破在于使用了一種叫做“循環(huán)神經網絡（RNN）“的機器學習方法。這種方法是直接處理正在進行的數據流，而不是從一個確定的時點的數據”快照“中得出結論。Aczon 說：”RNN 是一種優(yōu)秀的方法，非常適用于處理醫(yī)院里那些具有時序性且不斷發(fā)生的數據。新的信息總是不斷產生，你必須隨時整合它們?！八麄兊?RNN 系統(tǒng)因為可以持續(xù)整合數據而表現出色，當觀測病人 12 小時的數據時，系統(tǒng)做出的預測最為準確。
這個系統(tǒng)還在實驗階段，但是 Aczon 和 Ledbetter 說這個工具應該會在 PICU 室內發(fā)揮巨大作用。當然，如果死亡預測軟件真的在醫(yī)院里實現應用的話，醫(yī)生們應該不會滿足于只得到一些冰冷的風險得分。Ledbetter 說：“這個評價系統(tǒng)只是第一步。一旦你理解了病人目前的病情是如何變化的，那么你就可以開始考慮如何介入病情，改變病人狀態(tài)?！?/p>
AreteX System 公司的合作創(chuàng)始人 Wassim Haddad 說：“我們的使命是利用自動化系統(tǒng)來減少 ICU 病房里的死亡率?！?AreteX System 公司（該公司準備改名為 AutoMedica）專注于兩項 ICU 核心任務：通過機械呼吸機控制病人的呼吸，通過靜脈輸液控制病人的液體輸入量。
Haddad 說：“美國每年有 570 萬人進入 ICU 病房，其中 230 萬人需要呼吸機來維持呼吸，但是大約 80 萬人會經歷“病人與呼吸機不同步”的問題。如果不及時為病人注射鎮(zhèn)靜劑，他們會與呼吸機相抗衡，發(fā)生危險。因為病人想要吸氣，但機器卻讓他們呼氣，這會給病人帶來極大的恐慌感。“
AreteX 公司的工程師們創(chuàng)造了一種機器學習工具，可以通過病人呼吸機的數據識別出病人與呼吸機的同步類型。他們的系統(tǒng)可以向護士或呼吸治療師發(fā)出警報，報告哪個病人需要及時進入鎮(zhèn)定睡眠狀態(tài)，避免與生命維持機抗衡而發(fā)生危險。該公司最近在喬治亞東北醫(yī)療中心開展了醫(yī)療實驗，測試他們的系統(tǒng)。
目前的解決方案只是該公司完成使命的第一步。Haddad 說：“我們想要做的還有在醫(yī)院決策支持之外的事情。我們的最終目標是形成一個完全自動化的系統(tǒng)，自動改變呼吸機的速率，直接修正不同步問題。” 但是要達到這個終極目標，還需要更多的臨床實驗，并向監(jiān)管者和醫(yī)院謹慎的行政層證明系統(tǒng)的安全性。
AreteX 公司還有一個類似的產品，用來監(jiān)控 ICU 里大部分病人靜脈注射的液體（主要用于增加血量或提高血壓）。Haddad 說：“現今的輸液管理程序是很無效的：通常是醫(yī)生將處方和輸液順序交給護士，由護士人工控制輸液速度。幾個小時后，醫(yī)生再來重新評估病人。ICU 的人員需要小心進行平衡，因為病人可能會因為輸液過多或過少而面臨嚴重的并發(fā)癥危險?！?/p>
（圖片來源：維基百科公共圖片）
Haddad 的系統(tǒng)使用機器學習來測量一個病人對輸入液體量的實時反應，通過對輸液速度的調整幫助病人保持穩(wěn)定的身體狀態(tài)。AreteX 公司也正在喬治亞東北醫(yī)療中心測試這個液體管理系統(tǒng)。
Haddad 說：“在美國老齡化嚴重的趨勢下，加之 ICU 和急診室里訓練有素的重癥監(jiān)護醫(yī)師供給的不足情況，醫(yī)療自動化可能會是唯一的解決方法?，F在我們有 300 萬超過 85 歲的人群，2030 年這個數字會達到 900 萬，這會給國家的 ICU 病房帶來巨大壓力。“
雷峰網版權文章，未經授權禁止轉載。詳情見轉載須知。
