双核心期刊｜AI实现院内脓毒症风险早筛早诊

导读

采用AI技术构建院内脓毒症风险管理系统，实现了患者住院期间脓毒症筛查指标、诊断指标的持续监测与及时预警。

脓毒症（Sepsis）是危重症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。脓毒症需要紧急诊治，但仍有76.6%的患者在死亡时感染没有得到有效控制。医学界认为最主要原因是临床早期识别能力有限，导致诊断率偏低，影响及时救治。 “运用机器学习算法挖掘患者临床数据，建立脓毒症预测与诊断模型，能够提高脓毒症早期检出率，提高治疗效率。”近日，发表在中国科技核心期刊、RCCSE中国核心学术期刊——《医学信息学》杂志的《院内脓毒症风险管理系统设计与实现》研究结果显示，采用AI技术构建院内脓毒症风险管理系统，可实现患者住院期间脓毒症筛查指标、诊断指标的持续监测与及时预警。

当脓毒症患者需要进入重症监护室时，1/3的患者存活时间不超过30d。为改善患者预后，医学界对脓毒症进行了30多年研究和200多项随机对照试验，也前后提出了3个版本的脓毒症定义与诊断标准。其中Sepsis3.0将“SOFA（序贯性器官衰竭评分）≥２分”，且发生“感染”作为脓毒症诊断标准，解决了前两个版本过于敏感、缺乏特异性等问题，能够有效反映脓毒症患者病理及生理过程。但由于脓毒症临床症状不典型、SOFA评估体系繁琐、非急诊ICU医生缺乏主动筛查意识等现状，脓毒症早期识别与干预仍是临床面临的严峻问题。 近年来，人工智能技术逐渐应用于疾病风险预测领域研究中，但缺乏基于Sepsis3.0与电子病历数据的脓毒症预测与早诊应用。该研究围绕临床科室与医务部门的脓毒症防治需求，根据Sepsis3.0诊断标准，采用自然语言处理、深度学习算法等人工智能技术，构建了院内脓毒症风险管理系统，设定了系统的核心监测指标、管理流程，以对全院住院患者的脓毒症风险进行有效管理。 研究者在系统实施上线前先与ICU临床医生确定应用场景数据采集需求，并组织临床医生对系统自动完成的SOFA评估结果进行审核，以判定系统评估准确性。结果显示，SOFA评估表的11项变量除血小板评估准确率90%外，其余变量评估准确率均为100%，平均准确率为98.75%。经过持续算法优化后，系统准确率不断提升。实现在患者住院期间通过解析病历内容变化，对SOFA分值、感染指征等指标进行指标监测，一旦达到质控标准将实时在医生工作界面做出预警、提醒补充诊断等，帮助医生早期识别与干预脓毒症。

【责任编辑：长青】

本公众号所有图文，未经许可，严禁转载！