重症监护病房的人工智能（下）

　　翻译：刁孟元

　　何时使用或移除机械通气设备是人工智能研究正在解决的一个关键领域。人工智能的计算能力使临床医生能够快速获取大量ICU历史数据，就像人类从多年的经验中得出结论一样，从而预测ICU患者的预后。冠状动脉搭桥术后早期拔管是降低死亡率的关键。一项回顾性单中心研究使用ANNs准确预测延长机械通气(＞24小时)，并确定了三个独立的危险因素：较高的BMI、射血分数降低和使用体外循环(除了高龄，这是一个公认的标准)。除了容纳大量变量外，AI方法还可以用来识别哪些变量对预测的贡献最大，如上面的研究所示。

　　外科病人经常需要进入重症监护室。无论手术类型如何，ICU住院的风险预测对费用和机械通气单元的分流非常重要。一项前瞻性研究将实时数据与人工智能预测工具结合在一起，将择期手术患者的ICU收治纳入麻醉医生的日常临床工作流程。随机森林模型的AUC为0.91，特异性80.3%，敏感性73.3%，与人类专家的结果相当。

　　延长机械通气和气管造口术在ICU中很常见，然而，目前还不清楚如何根据病人的数据来预测何时进行手术。一项回顾性研究使用了带有梯度增强决策树的监督学习模型，预测延长机械通气AUC为0.852，气管切开术AUC为0.869。脱机困难，将病人从呼吸机上缓慢移除有一个分类系统，由2005年国际共识会议构建，在脱机过程后使用。人工智能实验已经基于这一分类系统创建了预测模型，以预测脱机前拔管的难度，以帮助管理策略。

　　预测死亡率，预后，住院时间，再入院率

　　目前大多数ICU人工智能研究的目标是预测ICU住院期间的并发症。传统的死亡率预测模型和严重程度评分系统，如死亡率预测模型(MPM0)和急性生理学和慢性健康评估(APACHE III)，分别有局限性，如在入院时缺少数据点或仅在入院24至48小时后才能使用。人工智能方法已经被提出作为这些挑战的解决方案，因为机器能够不断更新和学习提供的数据。一项单中心的研究采用随机时间抽样方案和梯度增强方法，以实现AUC为0.92预测患者个体死亡率。理想情况下，ICU医生能够在入院后24小时内作出早期预测。一项研究在准确性(AUC =0.90 ± 0.1)和速度(入院后6小时的患者数据)方面优于传统的预测模型(qSOFA)。其他研究没有使用传统的评分系统，而是使用人工智能来更新和改进这些系统。在一项全国队列研究中，使用了基于传统评分方法简化急性生理学评分(SAPS 3)的神经网络ANNs准确地预测了ICU入院后1小时内收集的数据的30天死亡率。

　　在病人进入ICU时，评估潜在的并发症是至关重要的。DL方法已被回顾性应用于入院时的多因素患者资料。这些数据包括人口统计学、生命体征、凝血和出血特征，所有这些数据都可以预测死亡率、出血和肾衰竭。DL模型提供了对所有三种结局的准确预测，显著优于标准的临床参考工具，包括术后出血的临床规则、简化急性生理学评分II和肾脏疾病。改善急性肾功能衰竭的全球结局分期标准利用该模型，ICU工作人员可以迅速评估哪些患者面临最大风险，并合理分配资源。

　　预测LOS是AI/ML在ICU可用空间和资源管理中的一个有价值的应用。一项研究展示了使用高斯过程(GP)模型来预测手术后可能的出院日，以及非急诊心脏手术患者的出院日。模型仅使用入院后4小时的患者数据。这再次支持了“人工智能能够通过早期数据提供有用信息”的主题。

　　此外，在患者出院前准确预测再入院风险可以促使医生对患者进行重新评估，减少可预防的再入院。人工智能建模可以帮助临床医生识别哪些生理变量对再入院最有帮助。一项研究训练了逻辑回归ML模型在一个简单的生理测量，然后确定了分组的生理和用药趋势来预测30天ICU再入院的风险该模型优于所有比较模型，其AUC比最佳模型高出近4%。

　　NICU 和 SICU

　　新生儿重症监护室(NICU)的正确决策对早产儿和高危新生儿的管理至关重要。利用新生儿重症监护室产生的大量生理数据，人工智能可以为面临最大并发症风险的新生儿提供及时警告。人工智能在新生儿重症监护室的应用目前有两个主要组成部分:预测死亡风险和为适当干预的持续时间提供建议

　　新生儿重症监护室通常使用人工神经网络预测婴儿死亡率。他们有能力从现有的患者数据中学习，并根据新的患者数据进行预测。例如，ANNs可以分析胎龄、体重和APGAR评分之间的关系，从而建立一个预测模型来评估婴儿死亡率。生理和实验室参数也被用来开发模型，估计新生儿重症监护室的LOS和通气时间。尽管ANNs提供了一种基于证据的方法来预测新生儿重症监护室，但与其他统计模型相比，它们偶尔可能表现不佳，应由临床专家进行验证。

　　从数据挖掘分类到认知分析再到人工神经网络，在新生儿重症监护室中应用了大量的机器学习技术。然而，对于任何一种技术的优越性并没有普遍的共识，目前的文献表明使用多种ML技术的组合是最好的。

　　人工智能和医生文档的自然语言处理已经被用来预测SICU的死亡率。人工智能接受了医生笔记和/或牛津急性疾病严重程度评分(Oxford Acute Severity of disease Score)的培训，这些评分从MIMIC III数据库中检索。这项研究评估了3838名SICU住院患者，发现AI接受了严重程度评分的医生记录训练，其AUC为0.88，准确率为94.6%。作者强调了分析医生记录和词语选择(一种非传统的数据集)，与单独客观评分相比，可以改善评估。人工智能可以用来模拟在预测模型中增加或减少感兴趣的变量的效果。结合生理参数，人工智能和自然语言处理可以作为预测SICU死亡率的潜在工具。

　　ICU的AI传感器

　　传统上，传感器收集数据，人类根据数据做出决定。人工智能程序根据传感器数据进行决策时，会使用人工智能传感器。通过持续监测患者数据，人工智能已经更多地参与到临床决策系统中。人工智能正在逐步集成到传感器技术中，以帮助临床医生。我们进行了一项初步研究，以评估传感器技术和人工智能如何应用于ICU谵妄的评估，这将在下一节讨论。该研究评估了17名SICU患者，并为他们配备了可穿戴加速计、光和声传感器。以重症监护病房(CAM-ICU)精神错乱评估模型作为谵妄诊断的参考标准。广泛的测量包括人脸检测和识别、面部表情识别、姿势识别、肢体运动分析、声压级检测、光级检测和访问频率检测。基于人工智能对记录数据的分析，谵妄患者与非谵妄患者在患者活动和环境方面存在显著差异。本实验论证了人工智能在SICU患者自主监护中的应用，可能有助于减少护理评估的主观性和重复性。人工智能正在从分析传统的数字数据(如血压、血氧饱和度)向定量的人类观察以及整合不同形式的数据(如图像、实验室数据)迈进。

　　另一项研究开发了一种标准的葡萄糖评分标准和一种新型的基于人工智能的葡萄糖控制器，与耶鲁协议或Gluccomander等其他葡萄糖控制器相比，它的表现最好。在一封致编辑的信中，推荐采用带有人工智能技术的智能牙刷，以改善重症监护室患者的口腔卫生。消耗性医疗材料(如未包装的纱布、氧气管)是医疗保健费用高的主要原因。但其中许多材料，尤其是那些没有条形码或射频标签的材料，并不包括在成本计算中。一项概念验证研究创建了一种具有ML分类的新型光学检测系统，能够跟踪特定ICU病房中的各种消耗性医疗材料。这种增强传感器系统通过检测未明确标记的材料，可能有利于ICU的成本控制策略。

　　人工智能的潜在陷阱

　　法律/伦理

　　尽管人工智能在加强ICU救治和管理大量异构数据方面具有巨大潜力，但仍需要解决各种伦理问题。人工智能模型是由患者数据收集驱动的，但许多ICU患者在充分恢复之前不能同意使用他们的信息。在人工智能中使用患者的数据是否需要征得患者的同意仍是一个未回答的问题。

　　人工智能预测可能会导致不恰当的干预，从而引发这样一个问题：谁该怪罪人类医生还是机器预测师?许多ICUs结合使用纸质和电子文档，导致人工智能算法分析的数据集不完整或不准确。重症监护室面临着严峻的道德挑战，比如临终护理决定; 人工智能将如何整合病人、代理人、看护人、家人和医生的意见，以及人工智能应对伦理困境时应该输出什么，这些都是尚未解决的讨论要点。

　　模型透明度是人工智能需要解决的另一个道德难题。医生可以解释自己的思维过程，找出可能的错误，但人工智能的思维是隐藏在人类视野之外的，尽管目前有研究旨在以图形化的方式阐明人工智能的决策矩阵。与任何利用健康数据的技术一样，在人工智能数据可以在研究、诊所或商业领域传播之前，需要建立安全标准。最后，许多专家对人工智能可能加剧社会和文化不平等发表了评论。许多人工智能模型的训练数据不包括相关的社会因素，如种族或社会经济地位，这种缺失可能导致对少数群体的忽视。

　　人工智能将取代重症监护室医生?

　　人工智能优于人类，因为它可以在更短的时间内消化海量数据并进行复杂的计算。此外，人工智能ICU研究的一个新兴主题是使用人工智能监测患者和收集连续数据。各种研究都强调了这种连续收集，因为ICU医生可能会被他们收到的大量复杂的患者数据压垮。人工智能虽然在计算方面有优势，但不能代替医患关系，因此，医生将不可避免地成为将人工智能引入临床环境的“把关人”。

　　目前的人工智能技术实际上只是先进的人工预测算法。人工智能程序不是能够做出医疗判断的有知觉、独立或自我意识的实体。正如Andrew Ng所说，我想生活在一个人工智能驱动的社会。当任何人去看医生时，我希望人工智能帮助医生提供更高质量和更低成本的医疗服务。虽然这种将人工智能视为工具的观点显然为人工智能集成提供了支持，但如果它有朝一日成为一个有感知能力的类人实体，承认人们对人工智能的恐惧是公平的。正如艾伦人工智能研究所的Oren Etzioni所说，人工智能既非善也非恶。它是一个工具。这是我们可以使用的技术。如何部署是我们的选择。因此，当我们正处于人工智能的关键过渡时期时，医生有必要更加了解人工智能，以便更好地影响人工智能对医疗领域的影响，特别是如果人工智能能够实现感知的话。人工智能是加强病人救治的绝佳机会，而ICU医生在找出哪些问题最能由人工智能解决，以及决定人工智能将如何最好地融入临床实践和工作流程方面发挥着宝贵的作用。

　　结论/未来的发展方向

　　人工智能每天都在不可阻挡地前进，正从概念验证向临床实践迈进。人工智能的优势在于其实时更新和组织不断流入的数据的能力。重症监护室病例量大，人力物力有限，是实施人工智能的最佳环境。脓毒症预防和机械通气是人工智能广泛应用于ICU的两个主要领域。其他领域如LOS、死亡率预测和并发症预测也得到了研究。与ICU一样，SICU和NICU也一直是人工智能创新的目标。随着人工智能算法的完善和技术的进步，人工智能在重症监护医师生活中的影响只会扩大。

　　封面图片引自：https://www.eng.ufl.edu