最新研究显示，一种新型人工智能系统能比传统方法提前数小时发现症状，使患者死于脓毒症的可能性降低20%。
该系统会检索医疗记录和临床笔记，识别有致命并发症风险的患者，并提出治疗方案。
在82%的脓毒症病例中，该人工智能系统的准确率接近40%。
目前，该系统正用于改善脓毒症以外其他疾病的治疗效果。
最新研究显示，一种新型人工智能系统能比传统方法提前数小时发现症状，使患者死于脓毒症的可能性降低20%。
该系统会检索医疗记录和临床笔记，识别有致命并发症风险的患者。这项研究发表于《自然·医学》和《自然数字医学》。
“这是人工智能首次在床旁投入使用，由数千名医疗服务提供者使用，而且我们看到它挽救了生命，”约翰斯·霍普金斯大学马龙医疗保健工程中心创始研究主任、这几项研究的第一作者苏奇·萨里亚说。这些研究历时两年，评估了超过50万名患者。
“这是一次非凡的飞跃，每年将挽救数千名脓毒症患者的生命。如今，这种方法也正用于改善其他重要问题领域的治疗效果，范围不限于脓毒症。”
感染引发全身连锁反应时，就会发生脓毒症。炎症可能导致血栓和血管渗漏，最终可能造成器官损伤或器官衰竭。美国每年约有170万成年人患上脓毒症，其中超过25万人死亡。
萨里亚说，脓毒症很容易被漏诊，因为发烧、意识混乱等症状也常见于其他疾病。发现得越早，患者的生存机会就越大。
“改善治疗效果最有效的方法之一，是尽早发现并及时给予正确治疗。但过去由于缺乏能够准确早期识别脓毒症的系统，这一直是个棘手的难题。”在约翰斯·霍普金斯大学领导机器学习与医疗保健实验室的萨里亚说。
利用人工智能持续追踪脓毒症
为解决这一问题，萨里亚及同事开发了“定向实时早期预警系统”。该机器学习系统结合患者的病史、当前症状和实验室检测结果，向临床医生提示患者是否有脓毒症风险，并提出治疗方案，例如开始使用抗生素。
人工智能会追踪患者从入院到出院的整个过程，确保不会遗漏关键信息，即使工作人员换班或患者转到其他科室也一样。
研究期间，来自五家医院的4,000多名临床医生使用该人工智能系统为590,000名患者提供治疗。该系统还审查了此前173,931例患者病例。
在82%的脓毒症病例中，该人工智能系统的准确率接近40%。此前用电子工具检测脓毒症的尝试，发现的病例不到这一数量的一半，准确率为2%至5%。所有脓毒症病例最终都会被发现，但按照目前的护理标准，30%的患者会因此死亡。
在最严重的脓毒症病例中，延误一小时就可能决定生死，人工智能平均比传统方法提前近六小时发现病情。
“这在许多方面都是一项突破，”共同作者、约翰斯·霍普金斯大学卫生服务与成果研究中心主任、内科医生艾伯特·吴说。“到目前为止，这类系统大多猜错的次数远多于猜对的次数。那些误报会削弱人们的信心。”
自适应人工智能方法
与传统方法不同，该系统让医生能够看到工具为何提出具体建议。
这项研究对萨里亚意义非凡，她的侄子年纪轻轻便因脓毒症去世。
“脓毒症发展得非常快，我侄子的情况就是如此，”她说。“医生发现时，他已经出现脓毒性休克。”
从约翰斯·霍普金斯大学分拆出来的公司 Bayesian Health 主导并管理了所有测试地点的部署。团队还与两家最大的电子健康记录系统提供商 Epic 和 Cerner 合作，以确保该工具能在其他医院实施。
团队已调整这项技术，用于识别有压力性损伤风险的患者，这类损伤通常称为压疮；也用于识别因出血、急性呼吸衰竭和心脏骤停而面临病情突然恶化风险的患者。
“这里采用的方法在根本上有所不同，”萨里亚说。“它具有自适应能力，会考虑患者群体的多样性、医生和护士在不同地点提供护理的独特方式，以及各个卫生系统的独特特点，因此准确性显著提高，也能赢得医疗服务提供者的信任并得到采用。”
