AI预测重病患者生死，准确率高达93%

医院对重症监护室（ICU）有一个可理解的目标：减少患者“在病床上去世”事件。

在重症监护室里，监测患者各项生命体征的医学设备采集到的数据汇聚成一股洪流，正好让人工智能有了用武之地：判断患者何时会情况恶化。美国紧急医疗研究所（Emergency Care Research Institute，ECRI）的普利杨卡·沙（PriyankaShah）表示：“现在，许多医院都有兴趣开发可预测脓毒症、心脏骤停和呼吸停止等危及生命症状的预警系统。”ECRI研究所是一家评估保健行业医疗程序、设备和药物的非营利组织。

沙提出，学术研究人员和医疗器械公司都在试图找出哪些可测量的生命体征组合可以作为判断患者情况恶化的最佳指标。一旦克服技术方面的挑战，研究人员还必须证明这样的指标在临床上是可行的。她说，不仅要得到技术层面可行的证据，还要证明它能被整合到医院的工作流程中，并能够节约资金。

要想让ICU变得更加智能，最艰巨的任务是可能就是应对美国食品与药品监督管理局（FDA）的监管，以及跟墨守成规的临床医生和对钱高度敏感的医院管理层打交道。就技术层面而言，该研究前途光明。

预测生死

儿科重症监护室（PICU）内的场景令人心痛。在新生儿病房，羸弱的新生儿躺在各种机器和监视器环绕的塑料恒温箱内。大厅里，插着静脉注射管的孩子在明亮的卡通壁画下勇敢地微笑。

在洛杉矶儿童医院，数据学家梅利莎·埃索（Melissa Aczon）和大卫·莱德特（David Ledbetter）带来了一个可以让医生更早、更准确感知哪些孩子会情况恶化的AI系统。埃索和莱德特在医院设立的虚拟PICU研究部工作。在这里，他们与迫切希望改进手术的临床医生合作。埃索说：“他们的观点是，ICU每天都有各种突发事件，保存着大量数据。我们有责任从这些事件中学习，并将经验教训用于将来的患者。”

埃索和莱德特想要通过训练AI系统从而得到准确的预测，因此他们设计了一个实验系统来预测PICU的死亡率。他们从医院的电子健康记录中获取数据，这些数据包括隔几分钟就会测量一次的孩子生命体征数据，也有实验室的试验结果、药物的管理信息等。

从超过12,000名曾在PICU就诊的患者记录中，他们的机器学习程序发现了数据中的一些模式，能够把5％的死亡患者与其他患者区分开。并且，这个AI系统预测患者死亡的准确度达到了93％，远高于目前在医院PICU中使用的更简单的评估系统。埃索和莱德特在预印本Arxiv上发表了他们的结果。

他们的关键突破在于采用了一种称为循环神经网络（RNN）的机器学习算法。这种算法旨在处理持续的数据流，而不是从某一时刻的数据“快照”中得出结论。“RNN循环神经网络在处理序列性临床数据方面具有得天独厚的优势。”埃索说，“新信息持续不断地产生，并且需要与原先的数据进行整合。”随着时间的推移，RNN神经网络的表现也越来越来好。

尽管这个AI系统还只是实验性的，但是埃索和莱德特认为该工具将在PICU中发挥巨大作用。当然，如果死亡率预测软件真的要在医院里使用，医生肯定不会满足于仅仅得到一个冷酷的死亡风险评分。这个评估只是第一步，莱德特表示。他说：“一旦你了解病人将会发生什么事情，那么你会考虑如何干预，做出改变。”

预防ICU危机

“我们的使命是通过将ICU的关键护理环节自动化来降低死亡率。”AreteX系统公司的联合创始人瓦西姆·哈达德（Wassim Hadda）表示。该公司（正在更名为AutoMedica）专注于ICU护理的两个重要部分：通过机械呼吸机管理患者的呼吸，以及通过静脉注射管管理输液量。

哈达德说，在美国，每年有570万人进入ICU，230万人需要机械呼吸机帮助他们呼吸。其中约有80万人会遇到“病人－呼吸机”不同步的问题。“如果患者不够镇静，往往就会发生不同步的问题。”哈达德解释说，“即使患者想要吸气，但机器却告诉他：不，呼气。这会让患者产生严重的焦虑情绪。”

AreteX的工程师们制作的一个机器学习工具，可以根据患者呼吸机的数据识别出不同类型的不同步问题。此时，AI系统会向护士或呼吸治疗师发出警报，提醒他们赶快增加患者镇静，防止他反抗呼吸机。该公司近期在东北佐治亚医疗中心开展临床试验来测试这个AI系统。

目前的解决方案只是履行公司使命的第一步。“我们现在能够提供临床决策支持，不过希望将来能走得更远。”哈达德说，“最终，一个完全自动化的系统可能通过改变呼吸机的节奏来纠正这个问题。”然而，进入这一阶段需要大量的临床试验向监管机构和谨慎的医院管理层证明系统的安全性。

AreteX还有一个类似的项目来监测ICU患者通过静脉滴注获得的输液。输液的目的是增加血液体积并提高血压。哈达德表示，现今的输液管理过程效率低下：“医生通常交代护士去完成，而护士也只是手动改变输液速率。几个小时后，医生再重新评估病人。”他认为，ICU的工作人员必须非常小心来达到平衡状态，因为太多或太少的输液都有可能让患者陷入休克或遭受严重的并发症。

哈达德的系统采用机器学习的方法来衡量个体患者对输液量的持续反应，以时刻保持患者的状况稳定。AreteX也在东北佐治亚医疗中心测试其输液管理系统。

伴随着美国人口老龄化的快速发展，以及众所周知的在重症监护临床医师方面的培养缺口，哈达德认为，自动化可能是唯一的答案。“现今有300万85岁以上的人，到2030年将有900万人。”他说，“这将给国家的ICU带来巨大的压力。

来源：环球科学