人工智能加速脓毒症检测

病人死于败血症的可能性要低20%,因为约翰霍普金斯大学开发的新型人工智能系统比传统方法捕获症状几小时前,一个广泛的医院研究表明。

系统搜索病历和临床记录识别患者危及生命的并发症的风险。工作,可以显著降低患者死亡率全世界医院死亡的主要原因之一今天发表在自然医学和数字医学本质。

“这是第一个实例,实现人工智能在床边,用成千上万的供应商,而我们看到生命得救了,”说Suchi Saria,成立研究主任马龙医疗工程中心约翰霍普金斯和作者的研究,评估超过半个百万病人两年多。“这是一个不同寻常的飞跃,每年将节省成千上万的脓毒症患者。和方法是目前应用于改善结果在脓毒症之外的其他重要问题。”

脓毒症发生在全身感染会引发连锁反应。炎症会导致血栓和血管渗漏,并最终会导致器官损害或器官衰竭。每年约有170万成年人发展脓毒症在美国,超过250000人死亡。

脓毒症是很容易错过,因为发烧和混乱等症状是常见的在其他条件下,Saria说。抓住,越快越好病人的生存机会。

“改善结果的最有效的方法之一是早期发现和及时给予正确的治疗方式,但从历史上看,这是一个困难的挑战由于缺乏系统准确的早期识别,“Saria说,将机器学习和约翰霍普金斯医疗实验室。

为了解决这一问题,Saria约翰霍普金斯医生和研究人员开发的目标和其他实时预警系统。结合病人的病史和目前的症状和实验室结果,机器学习系统显示临床医生当有人在脓毒症的风险并提出治疗方案,如开始抗生素。

AI追踪病人到达医院时通过放电,确保重要信息不被忽视,即使员工更改或病人移动到一个不同的部门。

在研究过程中,4000多名从五医院临床医生使用了人工智能在治疗590000例。该系统还回顾了173931年以前的病人情况。

在脓毒症病例的82%,AI几乎40%的时间是准确的。以前曾试图使用电子工具来检测败血症抓不到一半,很多情况下,准确的2%到5%的时间。所有败血症病例最终被捕,但与当前的护理标准,条件杀死30%的人开发它。

在最严重脓毒症的情况下,延迟一个小时是生与死的区别,AI发现几乎平均比传统方法早6个小时。

“在许多方面,这是一个突破”的合著者说阿尔伯特·吴一个内科医生和主任约翰霍普金斯大学健康服务中心和结果的研究。“到目前为止,大多数的这些类型的系统有猜错的时候比他们更经常。这些假警报削弱信心。”

与传统的方法不同,系统允许医生看看为什么工具的具体建议。

工作是极其个人Saria,失去了她的侄子作为一个年轻的成年人败血症。

“脓毒症的发展非常迅速,这就是发生在我的侄子的案例中,”她说。“当医生发现,他已经在脓毒性休克。”

贝叶斯健康、领导和管理公司从约翰霍普金斯母子,部署在所有测试网站。该小组还与最大的两个电子健康记录系统提供商,史诗和欧洲核子研究中心,以确保该工具可以实现在其他医院。

团队适应技术识别的风险压力损伤的病人,通常被称为褥疮,那些突然恶化的风险引起的出血,急性呼吸衰竭,心脏骤停。

“这里使用的方法是基础不同,Saria说。“这是自适应,考虑患者人群的多样性,医生和护士提供护理的独特的方式在不同的网站,和每个卫生系统的独特的特点,允许它更准确和获得供应商信任和采用。”

参考:亨利·柯亚当斯R,父C, et al。驱动因素提供者采用紧身格子呢绒裤基于机器学习预警系统及其对脓毒症治疗时机的影响。Nat地中海。2022年。doi:10.1038 / s41591 - 022 - 01895 - z

本文从以下转载材料。注:材料可能是长度和内容的编辑。为进一步的信息,请联系引用源。