雙核心期刊｜AI實現院內膿毒癥風險早篩早診

2022-6-23

膿毒癥（Sepsis）是危重癥患者死亡的最重要原因，在所有引起居民死亡的病因中排第10位。膿毒癥需要緊急診治，但仍有76.6%的患者在死亡時感染沒有得到有效控制。醫學界認為最主要原因是臨床早期識別能力有限，導致診斷率偏低，影響及時救治。

“運用機器學習算法挖掘患者臨床數據，建立膿毒癥預測與診斷模型，能夠提高膿毒癥早期檢出率，提高治療效率?！苯?，發表在中國科技核心期刊、RCCSE中國核心學術期刊——《醫學信息學》雜志的《院內膿毒癥風險管理系統設計與實現》研究結果顯示，采用AI技術構建院內膿毒癥風險管理系統，可實現患者住院期間膿毒癥篩查指標、診斷指標的持續監測與及時預警。

當膿毒癥患者需要進入重癥監護室時，1/3的患者存活時間不超過30d。為改善患者預后，醫學界對膿毒癥進行了30多年研究和200多項隨機對照試驗，也前后提出了3個版本的膿毒癥定義與診斷標準。其中Sepsis3.0將“SOFA（序貫性器官衰竭評分）≥２分”，且發生“感染”作為膿毒癥診斷標準，解決了前兩個版本過于敏感、缺乏特異性等問題，能夠有效反映膿毒癥患者病理及生理過程。但由于膿毒癥臨床癥狀不典型、SOFA評估體系繁瑣、非急診ICU醫生缺乏主動篩查意識等現狀，膿毒癥早期識別與干預仍是臨床面臨的嚴峻問題。

近年來，人工智能技術逐漸應用于疾病風險預測領域研究中，但缺乏基于Sepsis3.0與電子病歷數據的膿毒癥預測與早診應用。該研究圍繞臨床科室與醫務部門的膿毒癥防治需求，根據Sepsis3.0診斷標準，采用自然語言處理、深度學習算法等人工智能技術，構建了院內膿毒癥風險管理系統，設定了系統的核心監測指標、管理流程，以對全院住院患者的膿毒癥風險進行有效管理。

研究者在系統實施上線前先與ICU臨床醫生確定應用場景數據采集需求，并組織臨床醫生對系統自動完成的SOFA評估結果進行審核，以判定系統評估準確性。結果顯示，SOFA評估表的11項變量除血小板評估準確率90%外，其余變量評估準確率均為100%，平均準確率為98.75%。經過持續算法優化后，系統準確率不斷提升。實現在患者住院期間通過解析病歷內容變化，對SOFA分值、感染指征等指標進行指標監測，一旦達到質控標準將實時在醫生工作界面做出預警、提醒補充診斷等，幫助醫生早期識別與干預膿毒癥。