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。
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 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
沒有留言:
張貼留言