人工智慧走進重症監護室：竟可預測病人死亡？！
醫院對於自家的重症監護室（ICU），往往有一個不成文的期望：減少“在病床上去世”事件的發生。
這個期望可能很快就能實現了，基於監測患者生命體征各種設備所提供的即時資料，ICU似乎是人工智慧工具的完美使用場景，可以用來判斷患者的即時病情以及病情何時可能惡化。
ECRI研究所的Priyanka Shah說：“很多醫院都有興趣開發早期預警系統，來預測膿毒症、心臟驟停和呼吸停止等威脅生命事件的發生。
”ECRI研究所是一個為醫療保健行業評估醫療程式、設備和藥物的非營利機構。
學術研究人員和醫療設備公司現在都試圖找出，哪些醫療設備的組合可以提供患者病情惡化的最佳測量指標。Shah說，裡解決這個技術挑戰之後，研究人員還必須通過實驗證明這個工具的“臨床意義”
。也就是說，不僅要證明技術的有效性，而且要證明接下來該技術可以被整合到醫院的工作流程中，
在ICU智慧化的任務中，最艱巨的部分是說服醫療行業相關人員，包括FDA監管者、思維已定型的臨床醫生和想省錢的醫院管理人員。因為從技術方面來看，這方面的研究大有前途。
PICU中的生死預測
兒科重症監護室（PICU）內的場景，總是讓人心痛。
在新生兒病房裡，脆弱的新生兒躺在被機器和螢幕包圍的塑膠恒溫箱內。在病房裡，孩子們連接著管子進行靜脈注射，他們勇敢的微笑和明亮的卡通壁畫相映襯。
在洛杉磯兒童醫院，資料科學家Melissa Aczon和David Ledbetter提出了一種人工智慧系統，這個系統可以讓醫生們更好地瞭解，哪些孩子的病情可能會惡化。
Aczon和Ledbetter都在一個名為“虛擬PICU”的醫院研究部門內工作。在這裡，他們和那些渴望看到操作上有改進的臨床醫生合作，
他們想從訓練一個能夠進行精確預測的AI系統開始，所以，他們設計了一個預測PICU死亡率的實驗系統。他們從醫院電子健康記錄獲取孩子的生命體征資料（通常每隔幾分鐘測量一次），
他們使用了PICU裡超過12,000名患者的健康記錄，機器學習程式在資料中發現了相關規律，成功識別出了即將死亡的患者。該程式預測死亡的準確率達到了93％，明顯比目前在醫院PICU中使用的簡單評級系統表現更好。Aczon和Ledbetter在Arxiv上發表了相關論文，公佈了他們的研究成果。
他們實驗的創新點是使用了一種叫做迴圈神經網路（RNN）的機器學習方法，這種方法擅長處理持續的資料序列，而不是從某一個時刻的資料點直接得出結論。“RNN網路是處理臨床資料序列的一種有效方法，”Aczon說，“它能夠整合新產生的資訊序列，得到準確的輸出。”所以在程式中，RNN網路表現得更好，因為它能夠隨著時間的推移，根據病人最近12小時的臨床資料，做出最準確的預測。
雖然這個系統還處於實驗階段，但Aczon和Ledbetter提到，這樣的工具將在PICU中有很大的用途。當然，如果這個死亡率預測軟體在醫院投入使用，醫生不會滿足于只是獲得病人的死亡風險評分。“風險評估只是第一步，”Ledbetter說，“一旦你知道了病人將會發生什麼，你就可以基於患者病情思考如何進行干預和防止患者病情惡化情況的發生。”
預防ICU危機
還有專門的公司，在試著把機器學習用到ICU裡。
AreteX系統公司的聯合創始人Wassim Haddad提到：“我們的使命是在ICU單元裡通過自動進行重症監護，來降低死亡率。”該公司即將更名為AutoMedica，專注於優化ICU護理的兩個重要部分，分別是通過機械呼吸機管理患者的呼吸量，以及管理靜脈注射的即時液體量。
Haddad還提到，在美國，每年有570萬人被收入ICU，其中有230萬人需要機械呼吸機説明他們呼吸，但是這裡面的約80萬人會遇到通氣機不同步的問題。“如果他們沒有足夠鎮靜，他們往往和呼吸機進行對抗，”Haddad解釋說，“如果他們想吸氣，但機器說，不，你要呼氣，這樣的矛盾情況可能導致患者極度焦慮。”
AreteX公司的工程師創建了一個機器學習工具，這個工具可以根據患者呼吸機的資料來識別不同類型的呼吸同步情況。這個系統能夠發送警報給護士或呼吸治療師，能夠緊急為患者加強鎮靜作用，防止患者與呼吸機進行對抗。該公司最近在東北喬治亞醫學中心開始進行臨床試驗，來測試該系統的臨床性能。
目前的解決方案只是剛完成了公司使命的第一步。“我們希望我們的技術不只是作為現在醫院的臨床決策支持，”Haddad說，“而是將來能夠作為一個完全自動化的系統，可以自主改變呼吸機的起搏。”然而，為了到達那個階段，我們需要做大量的臨床試驗，來向監管機構和謹慎的醫院管理者證明該系統的安全性。
AreteX公司還有一個類似的程式，可以監測大多數ICU患者通過靜脈注射可以接受的液體量，來增加患者血液容量和升高患者血壓。Haddad還說：“目前的液體管理程式效率不高。通常是醫生給護士一個命令，進行手動改變注射速率。幾個小時後，醫生再重新評估病人來制定注射的液體量。”要提到的是，ICU的工作人員必須小心平衡好這個液體量的關係，因為患者很容易休克，同時容易受到由於太少或太多的注射液體量引發的嚴重併發症。
Haddad研發的這個系統，採用機器學習方法來測量患者對正在使用的流體注射量的持續回應，隨時間改變注射量來保持患者的病情穩定。AreteX公司目前在東北喬治亞醫學中心測試這個流體管理系統。
Haddad還說：“隨著美國人口的老齡化，能夠在急診室和ICU工作的應急臨床醫生緊缺，實現自動化可能是唯一的解決方法。如今85歲以上的人群有300萬，到2030年將達到900萬，這將給國家的ICU帶來巨大的壓力。”
你對人工智慧走進ICU有什麼看法呢？歡迎留言互動
這種方法擅長處理持續的資料序列，而不是從某一個時刻的資料點直接得出結論。“RNN網路是處理臨床資料序列的一種有效方法，”Aczon說，“它能夠整合新產生的資訊序列，得到準確的輸出。”所以在程式中，RNN網路表現得更好，因為它能夠隨著時間的推移，根據病人最近12小時的臨床資料，做出最準確的預測。雖然這個系統還處於實驗階段，但Aczon和Ledbetter提到，這樣的工具將在PICU中有很大的用途。當然，如果這個死亡率預測軟體在醫院投入使用，醫生不會滿足于只是獲得病人的死亡風險評分。“風險評估只是第一步，”Ledbetter說，“一旦你知道了病人將會發生什麼，你就可以基於患者病情思考如何進行干預和防止患者病情惡化情況的發生。”
預防ICU危機
還有專門的公司，在試著把機器學習用到ICU裡。
AreteX系統公司的聯合創始人Wassim Haddad提到：“我們的使命是在ICU單元裡通過自動進行重症監護，來降低死亡率。”該公司即將更名為AutoMedica，專注於優化ICU護理的兩個重要部分，分別是通過機械呼吸機管理患者的呼吸量，以及管理靜脈注射的即時液體量。
Haddad還提到，在美國，每年有570萬人被收入ICU，其中有230萬人需要機械呼吸機説明他們呼吸，但是這裡面的約80萬人會遇到通氣機不同步的問題。“如果他們沒有足夠鎮靜，他們往往和呼吸機進行對抗，”Haddad解釋說，“如果他們想吸氣，但機器說，不，你要呼氣，這樣的矛盾情況可能導致患者極度焦慮。”
AreteX公司的工程師創建了一個機器學習工具，這個工具可以根據患者呼吸機的資料來識別不同類型的呼吸同步情況。這個系統能夠發送警報給護士或呼吸治療師，能夠緊急為患者加強鎮靜作用，防止患者與呼吸機進行對抗。該公司最近在東北喬治亞醫學中心開始進行臨床試驗，來測試該系統的臨床性能。
目前的解決方案只是剛完成了公司使命的第一步。“我們希望我們的技術不只是作為現在醫院的臨床決策支持，”Haddad說，“而是將來能夠作為一個完全自動化的系統，可以自主改變呼吸機的起搏。”然而，為了到達那個階段，我們需要做大量的臨床試驗，來向監管機構和謹慎的醫院管理者證明該系統的安全性。
AreteX公司還有一個類似的程式，可以監測大多數ICU患者通過靜脈注射可以接受的液體量，來增加患者血液容量和升高患者血壓。Haddad還說：“目前的液體管理程式效率不高。通常是醫生給護士一個命令，進行手動改變注射速率。幾個小時後，醫生再重新評估病人來制定注射的液體量。”要提到的是，ICU的工作人員必須小心平衡好這個液體量的關係，因為患者很容易休克，同時容易受到由於太少或太多的注射液體量引發的嚴重併發症。
Haddad研發的這個系統，採用機器學習方法來測量患者對正在使用的流體注射量的持續回應，隨時間改變注射量來保持患者的病情穩定。AreteX公司目前在東北喬治亞醫學中心測試這個流體管理系統。
Haddad還說：“隨著美國人口的老齡化，能夠在急診室和ICU工作的應急臨床醫生緊缺，實現自動化可能是唯一的解決方法。如今85歲以上的人群有300萬，到2030年將達到900萬，這將給國家的ICU帶來巨大的壓力。”
你對人工智慧走進ICU有什麼看法呢？歡迎留言互動