机器学习系统有助于脓毒症护理的关键决策
2018年11月13日
麻省理工学院的研究人员和马萨诸塞州总医院(MGH)已经开发出一种预测模型,指导临床医生决定何时能给潜在拯救生命的药物给病人在急诊室治疗脓毒症。
最常见的死因之一
脓毒症是最常见的原因之一,承认,最常见的死因之一，在重症监护室。但绝大多数患者先来通过ER。
治疗通常开始用抗生素和静脉输液,一次几升。如果病人反应不好，他们可能会感染性休克，他们的血压下降到危险的低水平，器官衰竭。
然后经常去重症监护室，临床医生可以减少或停止液体，开始使用降肾上腺素和多巴胺等血管加压药物，提高和维持病人的血压。
事情可能会变得棘手。长期使用液体可能不起作用，甚至可能导致器官损伤，所以早期的血管加压干预可能是有益的。
败血性休克死亡率的提高
事实上，早期使用血管加压剂与败血性休克死亡率的提高有关。另一方面，过早使用血管加压剂，或者在不需要的时候，会对健康产生负面影响，例如心律失常和细胞损伤。
但在什么时候进行这种转变，还没有明确的答案；临床医生通常必须密切监测患者的血压和其他症状，然后做出判断。
最近在美国医学信息学协会年度研讨会上发表的一篇论文中，麻省理工学院和MGH的研究人员描述了一个模型，该模型从急诊败血症患者的健康数据中“学习”，并预测患者在未来几个小时内是否需要血管加压剂。
为了研究，研究人员为急诊脓毒症患者编制了第一份此类数据集。在测试中，该模型可以预测80%以上的时间对血管加压器的需求。
早期预测可以，除此之外，防止不需要血管加压剂的病人不必要的ICU住院，或者开始对病人进行ICU的早期准备，研究人员说。
“很重要的一点是要在谁需要血管加压剂和谁不需要血管加压剂之间有很好的辨别能力。“第一作者瓦雷什·普拉萨德说，哈佛-麻省理工学院健康科学与技术项目的博士生。
在几个小时内预测病人是否需要血管加压剂。
“我们可以预测在几小时内如果病人需要升压。如果，在那个时候，病人得到三升静脉输液，这可能太过分了。如果我们事先知道这些升无论如何都不会有帮助，他们可能早就开始服用血管加压药了。”“
在临床环境中，该模型可在床边监测仪中实现。例如,这会跟踪病人，并向临床医生发出警报，提醒他们何时开始使用血管加压药和减少液体。
“这种模式是一种在后台工作的警戒或监视系统，“合著者托马斯·赫尔特说，WM Keck教授职业发展在麻省理工学院的医学工程和科学。
“有许多败血症病例[临床医生]都清楚地了解，或者不需要任何支持。在最初的表现,患者可能会因此生病医生就知道要做什么。但也有一个“灰色地带”，在那里，这些工具变得非常重要。”“
本文的合著者是詹姆斯C。Lynch麻省理工学院研究生；特伦特·吉林厄姆，索拉夫尼泊尔迈克尔·R·菲尔宾，和安德鲁·T。赖斯纳MGH。赫尔特还是麻省理工学院电气工程和计算机科学系的电气和生物医学工程助理教授，也是电子研究实验室的首席研究员。
已经建立了其他模型来预测哪些患者有败血症的风险，或管理升压时,在ICUs。但这是为急诊室培训的第一个模型，黑尔说。
“[重症监护室]是大多数脓毒症患者的晚期。急诊室是患者接触的第一个点，你可以做出重要的决定来改变结果，“黑尔说。
主要的挑战是缺乏ER数据库
主要的挑战是缺乏ER数据库。研究人员与MGH临床医生合作了几年，收集了近186份病历。2014年至2016年，共有000名患者在MGH急诊室接受治疗。
数据集中的一些患者在入院后48小时内接受了血管加压药物治疗，其他人没有。两位研究人员手动检查了所有可能感染性休克的患者的记录，包括给药的确切时间。以及其他注释。（从出现脓毒症症状到开始血管加压的平均时间约为6小时。）
记录被随机分割，70%用于培训模型，30%用于测试模型。在训练中，该模型从需要或不需要血管加压剂的患者身上提取了58种可能的特征中的28种。188bet亚洲体育
188bet亚洲体育特征包括血压，初次进入急诊室所用的时间，所给液体总量，呼吸频率，精神状态，血氧饱和度,以及心搏量的变化——每一次跳动中心脏泵出多少血液。
在测试中，该模型以设定的时间间隔分析新患者的许多或所有这些特征，并寻找最终需要或不需要血管188bet亚洲体育加压剂的患者的模式。基于这些信息，它做了一个预测，在每个间隔，病人是否需要一个血管加压的。
在预测患者在未来两小时或更长时间内是否需要血管加压药时，模型在80%到90%的时间内是正确的，这可以防止过量的半升或更多的给药液体，平均而言。
“模型基本上采用了一组当前的生命体征，还有一点轨道的样子，并确定目前的观察表明该患者可能需要血管加压剂，或者这组变量表明这个病人不需要它们，“Prasad说。
将工具集成到一个管道中
下一步，研究人员的目标是扩大研究范围，生产出更多的预测工具，实时地，如果急诊室病人最初可能脓毒症或脓毒性休克的危险。“其想法是将所有这些工具集成到一个管道中，从它们第一次进入急诊室时起，该管道将有助于管理护理。“Prasad说。
其目的是帮助主要医院（如MGH）的急诊科临床医生，大约110个，每年有000名患者，专注于对脓毒症最高危人群。
“脓毒症的问题是患者的表现往往掩盖了潜在疾病过程的严重性，“黑尔说。
“如果有人有缺点和不好,一点点液体可能经常起作用。但是，在某些情况下，他们有潜在的败血症，可以很快恶化。我们想知道哪些患者病情好转，如果不治疗，哪些患者会走上关键的道路。”“
//www.bjgzb.com/2018/11/13/machine-learning-system-could-aid-critical-decisions-in-sepsis-care///www.bjgzb.com/wp-content/uploads/2018/11/a-aaabl.jpg//www.bjgzb.com/wp-content/uploads/2018/11/a-aaaabl-300x300.jpg生物生物医学数据，MIT
留下答复