VIDEO
20171129 首套 AI 智能重症照護系統 病況掌握零時差
在醫院的重症監控病房（簡稱 ICU）當中，病情嚴重的患者，需要全天連接一組設備，從而隨時得到生命體徵監控與維持。
這些先進的醫療設備旨在幫助病人保持生存：靜脈輸液不斷向血管內注射營養劑，機械式呼吸機將空氣推入肺部，粘貼在身體上的傳感器負責追蹤心率、血壓及其它生命體徵，而床邊的監測器，則會波浪形線條繪製數據結果。
當機器記錄到超出正常參數的測量值時，則會立即發出蜂鳴與警報，從而提醒醫務人員注意可能出現的潛在問題。
雖然這樣的場景當中充滿了高科技元素，但這些技術本身，並沒有得到充分的利用。每一台機器都在以彼此隔離的方式，監控病患的一部分資訊，且各設備之間無法協同工作——即無法捕捉或者分析豐富的數據流。
ICU 團隊中的核心護理醫生、護士、呼吸治療師、藥劑師，以及其他專家們，顯然不可能隨時對每位病患加以密切關注。
未來的 ICU 將更好地利用機器，及其產生的連續數據流。各監控裝置不再孤立運作，而是對信息加以匯總，從而向醫生全面展示患者的健康狀況。此外，這些資訊還將流向人工智慧 系統，並由此類系統據，此對設備設置進行自動調整，最終確保患者始終處於最佳健康狀態。
在我們公司——位於新澤西州霍博肯的 Autonomous Healthcare 公司，我們正在為 ICU 設計並建構，首批人工智慧系統。這些技術方案，旨在提供細緻且敏銳的護理服務，如同有專家長期守在病人床邊般，仔細校準治療方法。 這類系統能夠顯著降低，重症監護病房中工作人員的負擔，更重要的是，該技術還有望幫助患者，更快離開 ICU 環境，從而降低醫療保健成本。 我們最初將著眼點放在美國本土的醫院當中，但隨著人口老齡化與慢性病患病率的增加，我們意識到此類技術，在世界各地都能夠發揮重大作用。
由此帶來的收益，很可能極為可觀。在美國，ICU 是醫療保健體制內最昂貴的組成部分。目前每天約有 5 萬 5 千名患者在 ICU 接受治療，而一般的日均費用，從 3 千美元到 1 萬美元不等。相關累計成本，每年超過 800 億美元。
隨著嬰兒潮一代逐步成為老人，ICU 的重要意義，也得到進一步凸顯。當下，美國超過半數的 ICU 患者，年齡高於 65 歲——預計這部分人口，將由 2014 年的 4600 萬成長至 2030 年的 7400 萬。 歐洲與亞洲呈現出的類似趨勢，已經使其成為一個世界性的難題。為了滿足日益成長的急性臨床護理需求，ICU 需要進一步提升自身功能與容量。 在這方面，除了培養更多重症監護專家之外，引入自動化手段，也是一種重要的實現途徑。當然，人工智慧系統的存在，並不是為了取代人類，而是作為醫療團隊的一部分，幫助醫生與護士，在最需要他們的時間與地點，運用自己的技能。
一部分重症患者，需要佩戴機械式呼吸機。這些機器能夠將空氣推入肺部，但其節奏可能與自然呼吸模式，並不同步，這將導致患者與呼吸機間「產生對抗」。 智慧控制系統可以利用機器學習算法，即時讀取氣流通量，並辨識不同類型的呼吸機異步狀況。在這種完全自主的系統當中，自適應控制器會不斷調整呼吸機的氣流，使其與患者之間保持同步。作為實現全面自主運作的第一步，可以利用類似的系統，作為 ICU 中的決策支持工具，從而為呼吸治療師，提供設備調整建議。
在目前的 ICU 當中，由於顯示器每隔幾秒就會刷新一次，因此來自床邊監視器的數據，往往無法得到全程關注。雖然一部分先進的 ICU，已經在嘗試對這些測量值加以歸檔，但醫護人員仍然很難挖掘這些數據，以獲得臨床見解。
人類醫生通常既沒有時間，也沒有工具以掌握，這些快速累積起來的數據。然而，人工智慧系統卻能夠做到這一點。此外，其還可以根據數據採取措施，例如調整關鍵 ICU 任務中涉及的機器。 在 Autonomous Healthcare 公司，我們首先關注用於管理患者通氣與液體的人工智慧系統。當患者處於鎮靜狀態，或者患有肺衰竭（一種常見的 ICU 病症）時，機械呼吸機即會發揮作用。嚴謹的液體管理，將可保證患者的循環系統，始終擁有適當的血液流通量，從而使其所有組織與器官，皆獲得充足的氧氣供應。
事實上，我們的方法來自一個看似無關的領域：航空航太領域。我們兩個 —— Haddad 與 Gholami —— 原本都是航空航太領域的控制工程師。 我們第一次見面是在喬治亞理工學院的航空航太工程學院，Haddad當時是院裡的動力系統與控制學教授，Gholami 則是博士研究員。2000 年之後 Bailey 也加入了我們的團隊，當時他在埃默里大學醫學院，擔任麻醉學副教授。
Haddad 與 Bailey 最初著手研究控制方法，希望能夠在手術室當中，以自動化方式，實現麻醉劑量供應與分娩處理。相關的臨床研究測試在亞特蘭大埃默里大學醫院，以及喬治亞州蓋恩斯維爾的東北喬治亞醫療中心進行。
在此之後，我們將目光投向更為複雜且廣泛的 ICU 控制方向。2013 年，Haddad 與 Gholami 成立了Autonomous Healthcare 公司，旨在將我們的人工智慧系統商業化。Gholami 擔任公司的 CEO，Haddad 出任首席科學顧問，Bailey則為首席醫療官。
那麼，航空航太科學與醫學之間，到底存在哪些共通點？具體來講，二者都涉及大量數據 更具體地講，我們已經看到反饋控制技術，在重症監控醫學中的作用。這些技術利用算法與反饋，透過感測、計算，以及驅動等修改工程系統的行為。事實上，此類技術在飛行控制，與空中交通管制等，重要安全系統中可謂無處不在。
然而，飛機與醫院病患之間，存在著重大差異。飛機的設計與控制，基於完善的力學與空氣動力學理論，而人體則屬於極為複雜的生物系統——事實上，時至今日我們仍然沒有完全理解，這些系統的運作方式與相互作用。
下面回到機械式呼吸機的管理方面。存在直接創傷、肺部感染、心力衰竭，或者膿毒症等病症綜合徵的 ICU 患者，可能需要呼吸機的支持，利用其將空氣壓入肺部，以實現被動式換氣呼吸。該設備會不斷運作，以替代或者幫助患者完成自主呼吸。
然而，人與機器之間的互動，往往非常微妙。人體擁有自己的自動呼吸控制機制，其中神經系統觸發膈肌收縮，並向下拉伸肺部，從而開始吸入空氣。呼吸機必須具備同樣的固有驅動方法，即以自然的方式，同步患者的吸氣與呼氣過程，並盡可能與患者自主呼吸時的氣流量相匹配。
為了讓患者即時利用機械式呼吸機進行呼吸輔助，Autonomous Healthcare 公司的 Syncrom－E 系統能夠對氣流進行分析。
遺憾的是，患者的需求與機器的輸送能力之間，往往存在著嚴重的不同步問題——這可能導致患者與呼吸機間「產生對抗。」舉例來說，患者可能天然需要更長的時間進行吸氣，但呼吸機卻過早地轉換至呼氣階段。
機械式呼吸機，以及其它類型呼吸機，普遍存在這種同步問題，且其直接關係到 ICU 內病患的駐留時長，甚至是死亡風險。此外，專家們還沒有徹底弄清這種異步狀況，會產生哪些更具體的不利影響； 但可以肯定的是，當機器將空氣硬性推入肺部時，未同步的患者顯然會感到不適，而肌肉性反應，將會帶來額外的體能消耗。
在美國的 ICU 當中，存在嚴重呼吸機不同步問題的患者，比例估計在 12％ 至 43％ 之間。
解決這個問題的第一步，當然是要進行呼吸頻率檢測。經驗豐富的呼吸治療師，能夠持續觀察呼吸機顯示幕上的壓力指數，與流量波形，從而辨識出不同類型的異步問題。但在 ICU 當中，一名呼吸治療師往往需要監管 10 名，甚至更多患者，因此其顯然無法，隨時陪伴在每一位患者身邊。
在我們公司，我們設計出一套機器學習框架，能夠複製人類在檢測各類異步問題中的專業知識。為了訓練這套系統，我們利用呼吸機患者的波形數據集，其中每個波形，都由一組臨床專家進行評估。 我們的算法學習了多種不同的異步特徵——例如特定時間點中氣流信號內，體現出的特定傾角等。在我們對算法效能的首次評估當中，我們專注所謂的循環異步，這也是最具挑戰性的異步問題類型。 呼吸機的呼氣，已經開始與患者自身的呼氣動作不同步，而我們的算法，能夠在對新數據集內循環異步進行檢測時，表現出極高的準確性，且相關結論與人類專家的判斷保持高度一致。
我們目前正在東北喬治亞醫療中心的 ICU，測試這套算法，從而即時檢測真實患者的呼吸異步問題。該技術已經被納入臨床決策支持系統，用以幫助呼吸治療師，更快更準確地評估患者需求。
這套框架還能夠為研究人員提供工具，用以更好地理解，產生呼吸異步問題的根本原因，及其給患者造成的影響。我們的長期目標是設計出新的機械式呼吸機，確保根據每位患者的需求，自動調整自身設置。
提到 ICU 的場景，很多朋友的腦海中，可能浮現的是患者床邊懸掛著塑膠袋，液體不斷通過靜脈滴注進入體內。沒錯，大約四分之三的患者，在 ICU 住院期間，都確實需要接受這種藥劑注射。
然而，對注射藥劑的具體量進行校準，一直未能以科學的方式進行。事實上，追蹤患者的液體注射情況，一直是項艱難的任務：沒有哪種現有醫療感測器，能夠直接監測液體量，因此醫生只能依賴於間接性指標，例如血壓與尿量等。而患者實際需要的液體注射量，取決於他們所罹患的疾病，與當前服用的藥物等因素。
大部分 ICU 病患，都需要利用輸液泵與靜脈輸液等方式，將液體滴入靜脈。其間，保證輸入液體量的準確可謂至關重要：如果循環系統中的液量過低或者過高，則可能引發嚴重的併發症。 智慧控制系統能夠即時追蹤相關指標，例如動脈血壓及心臟泵血量； 而後，系統可以將數據輸入至生理模型，該模型用於表示液體如何穿過身體中的血管與組織。 在這套完全自主的系統當中，自適應控制器可以連續調節液體輸入量，以保持患者穩定。在起步階段，ICU 醫生可以首先將這項技術，引入提供建議的決策支持系統。
對於膿毒症患者而言，獲得正確的液體注入量，則更為重要。膿毒症是一種以全身病症為特徵，且可能危及生命的綜合症。在此類患者中，往往普遍存在血管擴張、血壓降低，且體液自最細小的血管——即毛細血管處洩漏等問題。
在這種情況下，血液能夠為器官，提供的氧攜帶量將有所降低，因此可能導致器官衰竭，甚至患者死亡。醫生需要分配藥物以增強血壓，並將額外的液體泵入患者的循環系統之內，以對抗敗血症。
其中最重要的就是，注入足夠但又不致於過量的液體——過量會引發多種併發症，包括肺水腫、肺部積水，甚至干擾正常呼吸。研究顯示，液體注入量超標，有可能帶來更長的機械式呼吸機使用週期、更長的住院時間，甚至是更高的死亡率。
因此，醫生的目標是將患者的體液維持在一定水準——這一水準基於普通患者的整體模型。當醫生們巡查 ICU 時，他們會透過檢查血液中的混合氣體，並監測血壓 / 尿量，來確定患者是否處於穩定的水準。很明顯，這種對注入液體添加時間/ 添加量的判斷，是非常主觀的，且很難總結出普遍適用的最佳實踐標準。
人工智慧系統在這方面，可以作得更好。其不再根據患者普遍情況，制訂目標並做出決策，而是即時分析個別患者的各項生理指標，並根據其具體需求不斷進行注射液分配。
在 Autonomous Healthcare 公司，我們開發出一套全自動系統，其能夠間接測量患者的體液水準（例如血壓以及每次心跳泵出血液量的變化），而後將數據輸入複雜的生理模型當中。 我們的系統利用這些測量值，以評估液體在人體血管，與組織之間的移動方式，並在出現新測量值時，不斷調整參數。我們還擁有專門的自適應控制器，可根據後續的流量，輸入對設置做出調整。
我們技術方案的一大優勢，在於其關注控制工程師們，所謂的循環系統穩定性——這意味著任何對於正常狀態的振動，都只會導致輕微且短暫的變化。 目前已經有大量工程應用，採用可確保循環穩定性的控制系統——例如在飛機遭遇強大的湍流時，自動駕駛系統會進行補償，以盡可能降低振動幅度。然而，大多數醫療設備的控制系統，都沒有這樣的保障能力。如果醫生判斷膿毒症患者的體液水準正急劇下降，他們可能會一次性注入大量液體，並引發過度補償問題。
為了防止ICU患者，從輸液泵中獲得的注射液量過多 / 過少，Autonomous Healthcare 公司的 CLARC 系統，能夠從循環系統中獲取讀數資訊。
我們已經與獸醫麻醉師與心血管生理學家 Willaim Muir 合作，測試了這套自動化液體管理系統。面對正遭受出血折磨的小狗，我們利用這套系統調節液體的輸注操作。我們的系統成功令小狗保持在穩定狀態——其每次心跳所泵送的血液量，始終較為恆定。
當然，我們還需要進行更多測試，以獲得針對人類病患，採用全自動液體管理系統的監管批准。與我們在呼吸機管理方面，進行的嘗試一樣，我們可以首先從為 ICU 建立決策支持系統起步。這種「人類在環」系統，將向臨床醫生提供資訊與建議，而後由臨床醫生據此，對輪流泵設置做出調整。
除了呼吸與液體管理之外，與患者護理相關的其它重要自動化方向，還包括疼痛管理與鎮靜等。在未來的 ICU 中，我們設想大部分此類臨床操作，都可由人工智慧系統監控、協調與控制，由人工智慧系統評估每位患者的生理狀態，並即時調整其中的設備設置。
然而，要實現這一願景，單單提供可靠的技術還遠遠不夠。我們還必須解決醫院體系中，存在的諸多監管障礙與體制性約束。
很明顯，監管機構需要認真審查，任何新型自主醫療系統。我們建議監管機構採用汽車與航空航太工業中，常用的兩種測試框架。首先是電腦模擬實驗，其透過電腦模擬測試算法。 當然，這些測試的前提，在於模擬環境，以高保真生理模型為基礎。目前，其在某些應用層面，已經成為可能——例如，美國食品與藥物管理局，最近批准利用電腦模擬試驗，作為動物試驗的替代方案，進而開發出用於糖尿病患者的人工胰腺。
第二套實用性框架是利用「硬體在環」測試，其中硬體代表需要關注的對象——包括噴氣式發動機，乃至人體循環系統。此後，大家可以在硬體平台上，測試相關設備，例如自動化液體注射泵，其能夠生成與真實臨床監護儀上，相同的數據類型。 這些硬體在環測試可以證明，設備在模擬與現實場景下，擁有同樣良好的表現。一旦這些技術被證明適用於危重病人，那麼接下來，即可真正在病患護理中，進行實地測試。
要將這些技術引入醫院，最後一步在於贏得醫學界的認可與信任。醫學領域是個普遍保守的環境 ，當然這種保守也有著充分的理由。沒人願意做出可能對患者健康，產生威脅的變化。
而我們的方法在於分階段驗證自身技術：我們首先實現決策支持系統商業化，用以展示其功效與收益； 而後逐步轉向真正的自主系統。
隨著人工智慧水準的提升，我們相信 ICU 完全能夠展現出更智慧、更安全也更健康的新面貌。
