AI系统识别早期败血症，减少患者死亡率

编译：chux

出品：ATYUN订阅号

在医院，医生和护士会密切关注患者的生命体征和血液检查，以了解脓毒症的首发症状。在这种威胁生命的疾病中，身体会对各种导致器官衰竭的炎症的感染做出反应。病例可迅速发展为严重败血症，然后发展为感染性休克，在美国这样的情况死亡率接近50％。

但即使是最警觉的人也会感到疲倦，犯错误，并错过微妙的变化模式。这就是几家医院正在试验AI败血症检测器的原因。研究人员表示，这些试点项目是AI被纳入医院运营的第一个真实例子，电子医疗记录的数据和警报纳入医生的工作流程。

下个月，位于北卡罗来纳州达勒姆的杜克大学医院正式推出Sepsis Watch，这是一个基于AI的系统，用于识别早期败血症病例并引发警报。医院最初将其部署在急诊室，然后将其扩展到综合医院和重症监护室。“最重要的是要在及早发现的情况下，即他们进入ICU前，”杜克卫生研究院创新和项目领导之一Suresh Balu表示。

败血症监测通过深度学习进行训练，根据几十个变量识别病例，包括生命体征，实验室检测结果和病史，其训练数据包括50000个患者记录，其中包括超过3200万个数据点。在操作中，它每5分钟从患者的医疗记录中提取信息，以评估他们的状况，提供人类医生无法提供的密集的实时分析。如果AI系统确定患者符合其患有败血症早期症状的患者的标准，则会向医院快速反应小组的护士发出警报。

杜克研究所的医生和数据科学家Mark Sendak说，现在AI无法做到一切。当护士赶到病人的床边时，他们的工作就是决定是否解除警报，将患者放在观察名单上，或者与医生讨论开始治疗。如果有指导，脓毒症观察系统还将指导工作人员完成一项名为“拯救败血症”活动的全球计划所建议的治疗步骤清单，包括在最初3小时内进行的血液检查和药物治疗。“该模型检测到败血症，”Sendak说，“但大部分应用都专注于完成治疗。”

Sendak表示，该团队仔细考虑了系统的用户界面以及警报如何适应现有工作流程。临床医生对他们的回合增加了干扰持谨慎态度：Sendak说，杜克医院在2015年尝试用于识别败血症病例的不同早期预警系统有时会为一名病人每天发出100次警报。

杜克系统不是第一个在医院应用的AI败血症检测仪。该荣誉属于宾夕法尼亚大学医院实施的早期预警系统，医院副教授Craig Umscheid解释道。他的团队于2016年初启动了该系统，并于2017年将其关闭。Umscheid表示，该系统根本没有提高护理质量或患者结果，部分原因是因为当它确定了可能的败血症患者，而医务人员早就看出来了。“识别未预料到的病例的机会低于预期。”

约翰霍普金斯大学计算机科学助理教授Suchi Saria说，在巴尔的摩的约翰霍普金斯医院，类似的系统显示出更好的结果。Saria的团队在2017年底推出了AI系统，她说它运作良好，以至于他们准备将其扩展到其他四家医院。“我们看到护理方面发生了重大变化，患者突然恶化的病例减少了。”霍普金斯的败血症检测器专为不同的患者群体量身定制，例如，它根据不同的标准评估免疫系统受损的患者，并且还具有针对医院的各个单元进行优化的工作流程。

杜克大学的Sendak表示，如果这些AI系统能够改善护理，许多医院都会急于采用这项技术。从2018年7月开始，美国政府的医院比较网站开始公布医院关于为败血症提供早期和适当治疗的记录的数据。“全国平均水平约为50％，很多地方都在努力解决这个问题。”