人工智能预测ICU循环衰竭
Eth苏黎世和伯尔尼大学医院的研究人员开发了一种预测重症监护单位患者循环衰竭的方法 - 使临床医生能够在早期进行干预。他们的方法使用机器学习方法来评估广泛的患者数据。
患者在医院的重症监护室保持密切观察:临床医生不断监测他们的脉搏等生命的迹象,血压和血氧饱和度。这为医生和护士提供了丰富的关于患者健康状况的数据。尽管如此,使用这些信息预测他们的病情如何发展或者预先检测威胁危及生命的变化是任何简单的。
苏黎世联邦理工学院(ETH Zurich)和伯尔尼大学医院(Bern University Hospital)的研究人员现在已经开发出一种方法,将病人的各种生命体征与其他医学相关信息巧妙地结合起来。将这些数据融合在一起,就能在临界循环故障发生前数小时预测到它。未来的目标是利用该方法实时评估医院患者的生命体征,为值班医护人员提供一个预警系统,使他们能够在早期采取适当的行动。
广泛的数据集
得益于伯尔尼大学医院重症医学系提供的丰富数据,研究人员能够开发出这种方法。2005年,它成为瑞士第一个大型重症监护病房,开始以数字形式为重症监护患者存储颗粒状、高分辨率数据。在他们的研究中,研究人员使用了36000名重症监护病房住院患者的匿名数据,这些数据完全来自那些同意将他们的数据用于研究目的的患者。
关于伯尔尼大学医院重症监护医学系的托比亚斯Merz,研究助理和前高级医师的倡议,奥克兰市医院工作,由Eth教授Gunnarrätsch和Karsten Borgwardt领导的研究人员使用机器分析了这些数据学习方法。“我们开发的算法和模型能够预测我们使用的数据集中的所有循环故障的90%。在82%的病例中,预测预测至少提前两个小时,这将使医生至少有两个小时进行干预,“埃尔希希·苏黎世的生物医学信息学教授Rätsch解释道。
需要相对较少的变量
对于每位患者在他们的研究中,研究人员有几百种不同的变量与其他医疗信息相结合。“但是,我们能够表明这些变量中的20个足以做出准确的预测。这些包括血压,脉冲,各种血值,患者的年龄和药物治疗,“埃尔科尔希特的数据挖掘教授解释道。
为了进一步提高预测的质量,研究人员计划将来自其他大型医院的患者数据纳入未来的分析。此外,他们还将向其他科学家提供匿名数据集、算法和模型。“预防循环衰竭是重症监护患者治疗的一个重要方面。即使是短期的循环不足也会显著增加病人的死亡率,”梅尔茨说。“在今天的重症监护室,我们必须处理大量的报警系统,但它们不是非常准确。通常,它们会触发错误的警报,或者只给我们一个短暂的提前警告,这可能会延迟采取足够的措施来支持患者的血液循环,”他说。通过他们的方法,研究人员的目标是用少量的、高度相关的早期警报来取代大量的警报。这是可能的,因为研究表明,新方法可以减少90%的警报数量。
需要一些进一步的开发工作来使该方法准备用作预警系统。Rätsch解释说,第一个原型已经存在,但在每天在日常临床实践中使用之前,必须在临床研究中证明其可靠性。
来源:苏黎世联邦理工学院