机器学习系统可以帮助脓毒症护理中的关键决策

麻省理工学院和麻省总医院(MGH)的研究人员开发了一种预测模型,该模型可以指导临床医生决定何时向急诊室中因败血症治疗的患者服用可能挽救

麻省理工学院和麻省总医院(MGH)的研究人员开发了一种预测模型,该模型可以指导临床医生决定何时向急诊室中因败血症治疗的患者服用可能挽救生命的药物。

机器学习系统可以帮助脓毒症护理中的关键决策

在重症监护病房中,败血症是最常见的入院原因之一,也是最常见的死亡原因之一。但是这些患者中的绝大多数首先是通过急诊室进来的。治疗通常始于抗生素和静脉输液,一次几次。

如果患者的反应不佳,他们可能会陷入败血性休克,此时血压会降至危险的低水平,器官也会衰竭。然后,它通常流向ICU,在这里,临床医生可以减少或停止输液,并开始使用去甲肾上腺素和多巴胺等升压药,以提高和维持患者的血压。

那是事情变得棘手的地方。输液时间过长可能无济于事,甚至可能导致器官损伤,因此尽早进行升压治疗可能是有益的。实际上,尽早使用升压药与败血性休克死亡率的提高有关。另一方面,过早或在不需要时使用升压药会给健康带来负面影响,例如心律不齐和细胞损伤。但是,何时进行此转换尚无明确答案。临床医生通常必须密切监视患者的血压和其他症状,然后做出判断。

在本周于美国医学信息学协会的年度研讨会上发表的一篇论文中,麻省理工学院和MGH研究人员描述了一个模型,该模型从紧急护理败血症患者的健康数据中“学习”,并预测患者在接下来的几个小时内是否需要升压药。对于这项研究,研究人员为ER败血症患者编制了有史以来第一个此类数据集。在测试中,该模型可以在80%以上的时间中预测是否需要升压药。

研究人员说,除其他因素外,早期预测可以防止不需要血管加压药的患者不必要的ICU停留,或为有需要的患者开始ICU的早期准备。

“重要的是要区分谁需要血管加压药和谁不需要(在急诊室中),”第一作者哈佛-麻省理工学院健康科学与技术计划的学生瓦雷什·普拉萨德说。“我们可以在几个小时内预测患者是否需要血管加压药。如果那段时间患者获得三升静脉输液,那可能是多余的。如果我们提前知道这些升液将无济于事,那么它们可能早就开始使用升压药了。”

在临床环境中,该模型可以在床边监护仪中实施,例如,该监护仪可以跟踪患者,并向经常在急诊室急诊的急诊室的临床医生发送警报,告知何时开始使用升压药和减少输液。麻省理工学院医学工程与科学研究所WM Keck职业发展教授Thomas Heldt说:“这种模型将是在后台运行的警戒或监视系统。”“很多败血症的病例,[临床医生]清楚理解,或者不需要任何支持。患者可能在初次就诊时病得很重,以至于医生确切地知道该怎么做。但是,还有一个“灰色地带”,这些工具在其中变得非常重要。”

还建立了其他模型来预测ICU中哪些患者有败血症风险或何时使用升压药。赫尔特说,但这是针对急诊室任务训练的第一个模型。“ [ICU]对大多数败血症患者而言是后期。急诊室是患者接触的第一点,您可以在此做出重要的决定,从而可以改变结果。”赫尔德说。

主要挑战是缺少ER数据库。研究人员与MGH临床医生合作了数年,收集了2014年至2016年在MGH急诊室接受治疗的近186,000名患者的病历。数据集中的某些患者在其就诊的前48小时内接受了升压药治疗,而其他患者没有。两名研究人员手动检查了所有可能患有败血性休克的患者的所有记录,以包括使用血管加压药的确切时间以及其他注释。(从出现败血症症状到开始升压药的平均时间约为6小时。)

记录是随机分配的,其中70%用于训练模型,而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药的患者中提取了58种可能的特征中的28种。功能包括血压,初次进入ER所经历的时间,给药的总液体量,呼吸频率,精神状态,血氧饱和度和心搏量的变化-每次搏动时心脏泵出的血液量。

在测试中,该模型按设定的时间间隔分析新患者中的许多或全部特征,并寻找指示患者最终需要血管加压药或不需要血管加压药的模式。基于该信息,它会在每个时间间隔内预测患者是否需要升压药。在预测患者在接下来的两个小时或更长时间内是否需要使用血管加压药时,该模型在80%到90%的时间内都是正确的,这可以平均防止过多半升或更多的输液。

“该模型基本上采用了一组当前的生命体征以及轨迹的样子,并确定该当前观察结果表明该患者可能需要升压药,或者这组变量表明该患者不需要它们。”普拉萨德说。

接下来,研究人员的目标是扩大工作范围,以产生更多的工具,这些工具可以实时预测ER患者最初是否有败血症或败血性休克的风险。“想法是将所有这些工具集成到一个管道中,从首次进入急诊室开始就将有助于管理护理,” Prasad说。

原创文章,作者:空空,如若转载,请注明出处:http://kkufo.com/swx/16618.html