cookieOptions = {...}; .在重症監護室裡,AI 可以預測病人生死 - 3S Market「全球智慧科技應用」市場資訊網

3S MARKET

3S MARKET
2020年4月17日 星期五

Behind the Scenes in the Texas Children's Hospital Pediatric Intensive Care Unit (PICU)









圖片來源:iStockphoto)

醫院的重症監護室(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 病房裡有著無數病人生命體徵監控器,傳輸來的數據流,這恰好是應用人工智慧工具的完美場景,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、醫藥行業非盈利評估組織)的 Priyanka Shah 說道:「眾多醫院都對該應用充滿興趣,我們可以構建提前預警系統,預測可能對病人生命造成威脅的各種情況,比如膿血症,心臟驟停或呼吸停止。

目前,科學界和醫療設備企業,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療相關聯。「 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院的工作流程中以節約成本。

而在應付美國 FDA 監管方面,固執的臨床醫生和看重成本的醫院管理層,可能成為 ICU 智慧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。

在 PICU 裡預測生死
新生兒重症監護室(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恆溫箱中,被各種機器和監控儀所包圍。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)

洛杉磯的兒童醫院裡,數據科學家 Melissa Aczon 和 David Ledbetter 已經設計出一套人工智慧系統,幫助醫生更快更早地發現孩子們病情惡化的情況。

Aczon 和 Ledbetter 在醫院一個叫做視覺化 PICU 的研究機構裡進行研究,與那些希望手術過程,更加優化的臨床醫生進行合作。Aczon 說:「他們的觀點是:ICU 室裡發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,並將學習經驗應用到未來的病人中。」

Aczon 和 Ledbetter 的研究從訓練一個 AI 系統,做出準確的預測開始。他們設計了一個實驗系統,來預測 PICU 室的死亡率。他們借鑒醫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徵(一些每幾分鐘就會測量一次的指標),實驗結果和一些藥物資訊。



The Rewards and Trials of PICU Nursing

透過超過 12000 個 PICU 的病人記錄,他們的機器學習程序發現了數據中的模式,可以辨識出 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,這個結果與過去醫院 PICU 簡單的排序系統相比,有了顯著提升。Aczon 與 Ledbetter 將研究結果,發表在了 Arxiv 的預印本上。

 他們研究的關鍵突破,在於使用了一種叫做「循環神經網路(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 是一種優秀的方法,非常適用於處理醫院裡那些具有時序性且不斷發生的數據。新的資訊總是不斷產生,你必須隨時整合它們。」他們的 RNN 系統因為可以持續整合數據而表現出色,當觀測病人 12 小時的數據時,系統做出的預測最為準確。

這個系統還在實驗階段,但是 Aczon 和 Ledbetter 說這個工具應該會在 PICU 室內發揮巨大作用。當然,如果死亡預測軟體真的在醫院裡實現應用的話,醫生們應該不會滿足於只得到一些冰冷的風險得分。Ledbetter 說:「這個評價系統只是第一步。一旦你理解了病人目前的病情是如何變化的,那麼你就可以開始考慮如何介入病情,改變病人狀態。」


Recurrent Neural Networks: Classifying Diagnoses with Long Short ...

在 ICU 中阻止危機
AreteX System 公司的合作創始人 Wassim Haddad 說:「我們的使命是利用自動化系統來減少 ICU 病房裡的死亡率。」 AreteX System 公司(該公司準備改名為 AutoMedica)專注於兩項 ICU 核心任務:透過機械呼吸機控制病人的呼吸,透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靜劑,他們會與呼吸機相抗衡,發生危險。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 公司的工程師們創造了一種機器學習工具,可以透過病人呼吸機的數據,辨識出病人與呼吸機的同步類型。他們的系統可以向護士或呼吸治療師發出警報,報告哪個病人需要及時進入鎮定睡眠狀態,避免與生命維持機抗衡而發生危險。該公司最近在喬治亞東北醫療中心開展了醫療實驗,測試他們的系統。

PICU at Hadassah Hospital, Ein Kerem: A New Project of Mount Sinai ...

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,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,並向監管者和醫院謹慎的行政層證明系統的安全性。

AreteX 公司還有一個類似的產品,用來監控 ICU 裡大部分病人靜脈注射的液體(主要用於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。幾個小時後,醫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併發症危險。

圖片來源:維基百科公共圖片)

Haddad 的系統使用機器學習,來測量一個病人對輸入液體量的即時反應,透過對輸液速度的調整,幫助病人保持穩定的身體狀態。AreteX 公司也正在喬治亞東北醫療中心,測試這個液體管理系統。

Haddad 說:「在美國老齡化嚴重的趨勢下,加之 ICU 和急診室裡,訓練有素的重症監護醫師供給的不足情況,醫療自動化可能會是唯一的解決方法。現在我們有 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。」406180103

0 comments: