醫(yī)院對于自家的重癥監(jiān)護室（ICU），往往有一個不成文的期望：減少“在病床上去世”事件的發(fā)生。這種想法乍一聽有點奇怪，但可以理解。

　　這個期望可能很快就能實現(xiàn)了。基于監(jiān)測患者生命體征各種設備所提供的實時數(shù)據(jù)，ICU似乎是人工智能工具的完美使用場景，可以用來判斷患者的實時病情以及病情何時可能惡化。

　　ECRI研究所的Priyanka Shah說：“很多醫(yī)院都有興趣開發(fā)早期預警系統(tǒng)，來預測膿毒癥、心臟驟停和唿吸停止等威脅生命事件的發(fā)生?！盓CRI研究所是一個為醫(yī)療保健行業(yè)評估醫(yī)療程序、設備和藥物的非營利機構(gòu)。

　　學術(shù)研究人員和醫(yī)療設備公司現(xiàn)在都試圖找出，哪些醫(yī)療設備的組合可以提供患者病情惡化的最佳測量指標。Shah說，里解決這個技術(shù)挑戰(zhàn)之后，研究人員還必須通過實驗證明這個工具的“臨床意義”。也就是說，不僅要證明技術(shù)的有效性，而且要證明接下來該技術(shù)可以被整合到醫(yī)院的工作流程中，為醫(yī)院節(jié)省開支。

　　在ICU智能化的任務中，最艱巨的部分是說服醫(yī)療行業(yè)相關人員，包括FDA監(jiān)管者、思維已定型的臨床醫(yī)生和想省錢的醫(yī)院管理人員。因為從技術(shù)方面來看，這方面的研究大有前途。

　　PICU中的生死預測

　　兒科重癥監(jiān)護室（PICU）內(nèi)的場景，總是讓人心痛。

　　在新生兒病房里，脆弱的新生兒躺在被機器和屏幕包圍的塑料恒溫箱內(nèi)。在病房里，孩子們連接著管子進行靜脈注射，他們勇敢的微笑和明亮的卡通壁畫相映襯。

　　在洛杉磯兒童醫(yī)院，數(shù)據(jù)科學家Melissa Aczon和David Ledbetter提出了一種人工智能系統(tǒng)，這個系統(tǒng)可以讓醫(yī)生們更好地了解，哪些孩子的病情可能會惡化。

　　Aczon和Ledbetter都在一個名為“虛擬PICU”的醫(yī)院研究部門內(nèi)工作。在這里，他們和那些渴望看到操作上有改進的臨床醫(yī)生合作，共同開發(fā)這個人工智能系統(tǒng)。Aczon說：“他們的觀點是，在ICU里，醫(yī)患之間的接觸一直在發(fā)生，并產(chǎn)生數(shù)據(jù)。我們有道德責任從這些病例中學習，并將所學到的經(jīng)驗來更好地治療接下來的患者?！?/p>

　　他們想從訓練一個能夠進行精確預測的AI系統(tǒng)開始，所以，他們設計了一個預測PICU死亡率的實驗系統(tǒng)。他們從醫(yī)院電子健康記錄獲取孩子的生命體征數(shù)據(jù)（通常每隔幾分鐘測量一次），已有的實驗室檢測結(jié)果、用藥信息和執(zhí)行的治療方案等。

　　他們使用了PICU里超過12,000名患者的健康記錄，機器學習程序在數(shù)據(jù)中發(fā)現(xiàn)了相關規(guī)律，成功識別出了即將死亡的患者。該程序預測死亡的準確率達到了93％，明顯比目前在醫(yī)院PICU中使用的簡單評級系統(tǒng)表現(xiàn)更好。Aczon和Ledbetter在Arxiv上發(fā)表了相關論文，公布了他們的研究成果。

　　他們實驗的創(chuàng)新點是使用了一種叫做循環(huán)神經(jīng)網(wǎng)絡（RNN）的機器學習方法，這種方法擅長處理持續(xù)的數(shù)據(jù)序列，而不是從某一個時刻的數(shù)據(jù)點直接得出結(jié)論?！癛NN網(wǎng)絡是處理臨床數(shù)據(jù)序列的一種有效方法，”Aczon說，“它能夠整合新產(chǎn)生的信息序列，得到準確的輸出?！彼栽诔绦蛑?，RNN網(wǎng)絡表現(xiàn)得更好，因為它能夠隨著時間的推移，根據(jù)病人最近12小時的臨床數(shù)據(jù)，做出最準確的預測。

　　雖然這個系統(tǒng)還處于實驗階段，但Aczon和Ledbetter提到，這樣的工具將在PICU中有很大的用途。當然，如果這個死亡率預測軟件在醫(yī)院投入使用，醫(yī)生不會滿足于只是獲得病人的死亡風險評分?！帮L險評估只是第一步，”Ledbetter說，“一旦你知道了病人將會發(fā)生什么，你就可以基于患者病情思考如何進行干預和防止患者病情惡化情況的發(fā)生?！?/p>

　　預防ICU危機

　　還有專門的公司，在試著把機器學習用到ICU里。

　　AreteX系統(tǒng)公司的聯(lián)合創(chuàng)始人Wassim Haddad提到：“我們的使命是在ICU單元里通過自動進行重癥監(jiān)護，來降低死亡率?！痹摴炯磳⒏麨锳utoMedica，專注于優(yōu)化ICU護理的兩個重要部分，分別是通過機械唿吸機管理患者的唿吸量，以及管理靜脈注射的實時液體量。

　　Haddad還提到，在美國，每年有570萬人被收入ICU，其中有230萬人需要機械唿吸機幫助他們唿吸，但是這里面的約80萬人會遇到通氣機不同步的問題?！叭绻麄儧]有足夠鎮(zhèn)靜，他們往往和唿吸機進行對抗，”Haddad解釋說，“如果他們想吸氣，但機器說，不，你要唿氣，這樣的矛盾情況可能導致患者極度焦慮。”

　　AreteX公司的工程師創(chuàng)建了一個機器學習工具，這個工具可以根據(jù)患者唿吸機的數(shù)據(jù)來識別不同類型的唿吸同步情況。這個系統(tǒng)能夠發(fā)送警報給護士或唿吸治療師，能夠緊急為患者加強鎮(zhèn)靜作用，防止患者與唿吸機進行對抗。該公司最近在東北喬治亞醫(yī)學中心開始進行臨床試驗，來測試該系統(tǒng)的臨床性能。

　　目前的解決方案只是剛完成了公司使命的第一步?！拔覀兿Ｍ覀兊募夹g(shù)不只是作為現(xiàn)在醫(yī)院的臨床決策支持，”Haddad說，“而是將來能夠作為一個完全自動化的系統(tǒng)，可以自主改變唿吸機的起搏?！比欢瑸榱说竭_那個階段，我們需要做大量的臨床試驗，來向監(jiān)管機構(gòu)和謹慎的醫(yī)院管理者證明該系統(tǒng)的安全性。

　　AreteX公司還有一個類似的程序，可以監(jiān)測大多數(shù)ICU患者通過靜脈注射可以接受的液體量，來增加患者血液容量和升高患者血壓。Haddad還說：“目前的液體管理程序效率不高。通常是醫(yī)生給護士一個命令，進行手動改變注射速率。幾個小時后，醫(yī)生再重新評估病人來制定注射的液體量?！币岬降氖?，ICU的工作人員必須小心平衡好這個液體量的關系，因為患者很容易休克，同時容易受到由于太少或太多的注射液體量引發(fā)的嚴重并發(fā)癥。

　　Haddad研發(fā)的這個系統(tǒng)，采用機器學習方法來測量患者對正在使用的流體注射量的持續(xù)響應，隨時間改變注射量來保持患者的病情穩(wěn)定。AreteX公司目前在東北喬治亞醫(yī)學中心測試這個流體管理系統(tǒng)。

　　Haddad還說：“隨著美國人口的老齡化，能夠在急診室和ICU工作的應急臨床醫(yī)生緊缺，實現(xiàn)自動化可能是唯一的解決方法。如今85歲以上的人群有300萬，到2030年將達到900萬，這將給國家的ICU帶來巨大的壓力?！?/p>