人工智能监控工具成功帮助预测败血症，拯救生命

（本文转译自sciencedaily.com)

每年，至少有170万名美国成年人患上败血症，约有35万人死于这种严重的血液感染，这可能引发全身性威胁生命的连锁反应。

在一项新的研究中，发表于2024年1月23日《npj数字医学》在线版的研究中，加利福尼亚大学圣地亚哥分校医学院的研究人员利用人工智能模型在UC圣地亚哥卫生部门的急诊科中，快速识别有败血症感染风险的患者。

这项研究发现，名为COMPOSER的人工智能算法，该算法之前由研究团队开发，使死亡率降低了17%。

该研究的合著者、加利福尼亚大学圣地亚哥分校医学院急诊医学系重症护理部主任Gabriel Wardi医生表示：“我们的COMPOSER模型利用实时数据预测败血症，在明显临床表现之前就能发现。”

“它在幕后默默地安全运行，持续监测每位患者是否出现可能的败血症迹象。”

患者一到急诊科登记后，该算法开始持续监测与败血症有关的150多种不同的患者变量，例如实验室结果、生命体征、目前使用的药物、人口统计学数据和病史。

如果患者出现多个变量，表明有高风险患上败血症感染，AI算法将通过医院的电子健康记录通知护理人员。

随后，护理团队将与医生一起审核并确定适当的治疗计划。

该研究的合著者、加利福尼亚大学圣地亚哥分校医学院生物医学信息学副教授兼预测分析主任Shamim Nemati博士表示：“这些先进的人工智能算法能够检测到人眼一开始无法察觉的模式。”

“该系统可以分析这些风险因素，并准确预测败血症。相反，如果风险模式可以通过其他条件来解释并具有更高的可信度，则不会发出警报。”

该研究对UC圣地亚哥医疗中心Hillcrest分部和Jacobs医疗中心La Jolla分部的急诊科进行了COMPOSER部署前后的6000多例患者入院进行了研究。

这是首次利用深度学习人工智能模型来改善患者结局的研究，该模型使用人工神经网络作为检查和平衡，以安全而正确地识别患者的健康问题。

该模型能够识别复杂和多重的风险因素，然后由医疗团队进行确认。

“正因为有了这个人工智能模型，我们的团队才能更快地为患者提供挽救生命的治疗方法。”加利福尼亚大学圣地亚哥分校医学院急诊医学和重症护理医生Wardi说。

COMPOSER在2022年12月启用，现在也在UC圣地亚哥卫生部门的许多住院部门中使用。

它很快也将在该卫生系统最新的地点——UC圣地亚哥卫生部门东校区启用。

作为该地区唯一的学术医疗系统，UC圣地亚哥卫生部门是AI医疗领域的先驱者，最近任命了首位首席健康人工智能官员，并在UC圣地亚哥卫生部门开设了乔安和欧文·雅各布斯健康创新中心，旨在开发复杂而先进的医疗解决方案。

此外，该卫生系统最近推出了一个试点项目，其中基于云的电子健康记录系统Epic和微软的生成式AI集成通过ChatGPT自动起草更具同情心的消息回复，减轻了医生和护理人员的负担，使他们能够专注于患者护理。

该研究的合著者、雅各布斯健康创新中心执行主任、UC圣地亚哥卫生部门首席医疗官和首席数字官Christopher Longhurst医生表示：“在电子健康记录中整合AI技术有助于实现数字医疗的承诺，UC圣地亚哥卫生部门一直是这一领域的领导者，以确保AI技术支持患者安全和优质医疗的高可靠性。”