CytoSorb and Critical Care Applications
當患者進入了重症監護病房，那麼就等於將一切托付給了醫生。然而重症監護室監控的指標眾多，不同的患者需要關注的指標權重也各不相同，儘管醫生護士全神貫注處理病人相關的事項，失誤仍在所難免。
據數據顯示，美國2005年ICU錯誤發生率高達1497次/每萬人，其中嚴重威脅生命的佔13％；平均每人每天發生1.7個醫療錯誤，每年平均有9.8萬ICU患者死於醫療錯誤。不過，還有一個積極的數據顯示，在這些醫療失誤中，28％～84％都是可預防的，只是醫院需要找到一個，有效的途徑進行預防。
對岸中國情況也不容樂觀。隨著老齡化的到來，病人數量不斷增加，而醫生成長時間長，供求差額越來越大，專業醫生資源嚴重不足。
另一方面，目前很多疾病診療，缺乏適用於東方人群的專業指南，均靠醫生經驗判斷，而有經驗的臨床醫生非常有限。
另一方面，目前很多疾病診療，缺乏適用於東方人群的專業指南，均靠醫生經驗判斷，而有經驗的臨床醫生非常有限。
ICU的情況則更為嚴峻，對於醫生而言，進入ICU的患者病情普遍多變複雜，綜合數據維度多達236項，遠超過了人力的控制範圍，難以精準評估病情變化。
對於患者而言，ICU的開銷不菲，人均消耗醫療費用RMB 75673元（年產生醫療費用1000多億元），可以說ICU是醫院中最「燒錢」的科室。
對於患者而言，ICU的開銷不菲，人均消耗醫療費用RMB 75673元（年產生醫療費用1000多億元），可以說ICU是醫院中最「燒錢」的科室。
針對當前醫院ICU的痛點，地處杭州人工智慧小鎮的脈興醫療以ICU醫療大數據為基礎，搭建了病情評估系統，用人工智慧輔助預測病人病情發展趨勢，並衍生出呼吸機智慧管理系統、急性腎損傷（AKI）早期預警系統，用以為醫生提供輔助預警與決策，提高患者的生存率與預後效果。
目前脈興醫療的發展模式，透過數據結構化的累積，為ICU行業的AI賦能，力爭成為ICU行業的＂零氪科技＂。
目前脈興醫療的發展模式，透過數據結構化的累積，為ICU行業的AI賦能，力爭成為ICU行業的＂零氪科技＂。
以ICU為核心，深入臨床診斷系統細節
脈興醫療聚焦於建立重症，多參數智慧醫療大數據平台，為醫療大數據平台，以及AI產品研發提供數據源；並利用臨床數據通過NLP（自然語言處理）、圖像辨識、預測建模等機器學習的方法，研發臨床可用的醫療輔助決策系統，輔助醫生對患者病情進行精準判斷。
1、病情評估與死亡預測系統
脈興醫療的核心產品病情評估系統的核心，是一個基於MIMIC數據庫建立的病情評估模型，能夠即時分析臨床數據，把與疾病最相關的參數按照權重展示給醫生，並預測病情發展與死亡風險趨勢，輔助醫生運用自己的臨床經驗，快速進行臨床診療決策。
脈興自主研發的死亡預測模型，對患者死亡結果的預測準確率達到94％，而在協和醫院進行實例驗證時，準確率也到達了87％。
脈興自主研發的死亡預測模型，對患者死亡結果的預測準確率達到94％，而在協和醫院進行實例驗證時，準確率也到達了87％。
2、WeanDoc（人工智慧搭建呼吸機智慧管理系統）
在ICU科室，有50％以上的重症患者，可能會使用到機械通氣，而機械通氣的呼吸機的參數調整，與撤機時機的選擇，對臨床醫生的經驗要求較高。
WeanDoc可以在呼吸機使用初期，選擇合適的模式，設置參數提供合理的呼吸支持，去維持和改善病人的呼吸與生理情況，給治療原發疾病延長寶貴的治療時間。
WeanDoc可以在呼吸機使用初期，選擇合適的模式，設置參數提供合理的呼吸支持，去維持和改善病人的呼吸與生理情況，給治療原發疾病延長寶貴的治療時間。
針對不同的病人，採用不同的方案設置潮氣量（VT），呼氣末正壓（PEEP），吸入氧濃度（FiO2），以及呼吸頻率（RR）。當病人病情得到好轉，指導醫生適當時候合理減少呼吸支持，讓病人逐漸恢復自主呼吸，縮短使用時間，減少對呼吸機的依賴，提高疾病預後。
WeanDoc監控下的患者各項指標，均受到系統不間斷的看護，其感染風險、病人痛苦、醫療費用、呼吸機的使用時間，均有顯著的減少，而醫生在WeanDoc的協助下，也可減少失誤，即便是發生參數設置方向的失誤，也可即時糾正錯誤，避免嚴重影響，同時，這意味這醫護經驗較少的呼吸治療師，獲得了一位24小時陪伴的老師，醫院的人才缺口也會相應減少。
合作方是成功的關鍵因素之一
為瞭解脈興醫療ICU預警產品的實際情況，動脈網記者來到了協和醫院內科ICU（MICU），該項目是協和醫院內科ICU主任杜斌教授牽頭與脈興醫療合作的，杜斌教授是亞太危重病醫學協會（APACCM）主席，同時也是中國醫師協會重症醫學醫師分會會長，在ICU行業內具有非常高的地位。
作為脈興醫療的合作方，協和醫院內科ICU副主任翁授談到了如今數據庫的痛點：「就數據而言，北京每個醫院都有自己龐大的數據庫，但其中很多數據庫的數據是不完善、不規範的，是難以導出來進行臨床研究的，所以我們要做的首先是要做一個標準數據庫，但只是談標準化是不行的，需要先有人來試水。」
脈興醫療與協和一同建立了ICU科研大數據平台，能夠讓ICU的醫生實現自主使用ICU臨床數據，進行相關科研研究。目前脈興的科研平台，已經在北京多家醫院陸續部署，演示版在８月31日在脈興官網的案例展示中正式上線，希望有更多的ICU科室，加入進來一同參與標準的制定與維護。
翁利副教授會在今年9月8日的中國危重病醫學大會上，進行題為《ICU 專科數據庫的建立》的專題報告。
翁利副教授會在今年9月8日的中國危重病醫學大會上，進行題為《ICU 專科數據庫的建立》的專題報告。
協和醫院在ICU方面非常注重數據的標準化，其數據結構完整、規範，能輕鬆導出以供算法進行學習，無需企業再花時間對數據進行處理，這是非常可貴的，因為有些數據由於某些指標的缺失，即便用心修復也無法得到目標的效果。
「協和醫院MICU能提供的病例不算多，總共2000多份患者的完整數據。但ICU數據不同於常規的醫療數據，以心率為例，我們5秒記錄一次數據，一天就有近17280次數據。
如果從整個時間線來看，每個患者檔案中存在的數據的量非常大，足以用於算法學習。此外，我們將算法訓練好後，不僅僅用於自己數據庫的測試，也會拿其他醫院進行驗證，這樣下來我們便能即時發現錯誤，並對算法進行調整」
所以，協和醫院這一合作對象為脈興向醫療AI頭部企業進軍打下良好基礎。
可植入是進入醫院關鍵
著眼於醫療資訊化的企業眾多，但使用AI輔助檢測的，卻寥寥無幾。然而有AI賦能並不能成為醫院選擇AI企業的理由，一般大型的資訊化公司，都為醫院打造了包含HIS、PACS、RIS，CDSS等成套的資訊化系統，醫院一旦選擇了這一解決方案，沒有理由再去為單一的AI賦能的CDSS系統買單。
脈興醫療顯然明白醫院資訊化的需求與問題所在，這一套整合科研平台＋AI臨床應用的系統，可透過與醫療資訊化企業合作，接入資訊化企業的數據接口進行臨床應用。
核心在於下放基層
相對於群星雲集的大型教學醫院，基層醫院對這一ICU預警系統的需求更大。受制於資源分配的限制，基層醫院缺乏相應的人才，相應的醫療事故更為頻發；另一方面，醫院的規模也限制了醫療人才的流入，這是一個惡性循環的過程。
頻發的事故降低了基層醫院的聲望，加劇了居民湧向大型教學醫院的動機，這實際上是不利於分層診療政策的實施的。脈興醫療這一預警系統，不僅能夠降低基層醫院的事故發生率，提高基層醫療在居民心中的印象，還能不斷的給醫生護士，提出錯誤的關鍵，頻繁的糾錯可以讓醫生和護士的醫療水平，得到實質的提升。
一直以來，醫生都是醫院的核心，醫生的一舉一動關乎醫院的聲譽、發展；當AI作為醫生工作的一部分，可以一定程度上降低基層醫院和大型教學醫院的技術差距，這對於基層醫療的發展有一個長遠的推進作用。
未來可期
死亡預警系統只是脈興醫療的第一步，更重要的是在通過不斷的機器學習下，我們不僅僅可以給醫生提供警告，還能給出相應的決策。
翁利副主任告訴動脈網記者：「這個系統能夠幫我們即時糾正錯誤，但當錯誤發生時後我們應該怎麼做，這是不可預測的，醫生們只能根據自己的經驗，對設備的相關參數進行調整，而不能保證這樣調整，以後能對患者有積極的影響——這正是我們想要研究的。透過AI對數據庫的不斷分析，我們或許可以找出其中的規律，並作出最有利於患者的決策，但這需要很大的一個數據庫，我們也希望有更多的醫院與醫生加入我們一起建立行業數據標準，推動ICU行業智能化的發展。」
至今為止仍沒有一個具有說服力的標準，來對數據庫進行評價，但我們不能等到官方標準制定再作出決斷，先行一步絕無壞處。在接下來，脈興醫療將更加深入地與醫院端合作，從醫生與患者角度出發，幫助醫生研究，完善現有系統的交互設計，給予醫生更好的體驗，為患者提供更有保障的ICU服務。
另一方面，脈興醫療也將協助醫生，挖掘ICU各指標變動，對患者的長期影響，探尋病人病情惡化時的精準解決方案，將ICU變得更加智慧。
沒有留言:
張貼留言