鲁开智教授:人工智能在围术期预警及干预决策支持的应用

2020
09/10

+
分享
评论
米勒之声
A-
A+

人工智能在围术期预警及干预决策支持的应用

鲁开智教授

■ 陆军军医大学西南医院麻醉科主任

■ 主题:《人工智能在围术期预警及干预决策支持的应用》

我国年手术人次超过 5000 万,危重症手术病死率最高达到 1.1%,基于临床数据开发围术期患者危重症的预测模型,可以辅助围手术期医生做出及时的医疗决策进行早期干预,对提高医疗质量,降低患者死亡率具有积极的意义。然而,目前围手术期监护在简单的“先兆评分”危重事件预警体系下面,经常不能及时捕捉危重不良事件先兆,导致危重不良事件一旦发生即病情较重或为病程晚期,处治难度较大,干预效果有限。积极开展危重不良事件追踪预警和干预提示等研究,有重要的科学意义和社会价值。

人工智能(Artificial Intellegence, AI)的概念最早是在1956年提出,涉及到计算机算法(机器学习、深度学习和自然语言处理等)的开发,是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的科学。历经多年,人们不断的研究如何让计算机去模拟人做的智能工作。从Alphago到自动驾驶,从与人工智能相关的学术研究的逐年增多到医疗领域人工智能应用的迅速发展,标志人工智能时代的到来。人们开始探索如何让计算机去模拟医生做的工作。2015年,美国政府对人工智能相关技术的研发投入了11亿美元,与人工智能相关的健康领域吸引了许多投资企业的兴趣,著名的微软,谷歌,IBM等活跃在这个领域,我国的阿里巴巴(Alibaba)、腾讯(Tencent)和百度等也成立了自己的团队,致力于医疗人工智能的研发,据估计到2021年,人工智能市场预计将增长到66亿美元。医疗人工智能的核心之一就是使用计算机算法从海量的临床数据中发现相关信息并协助医生做出临床决策。例如专家系统经历了建模不确定性的困扰到贝叶斯网络的广泛应用。用CART分析方法对糖尿病数据库,再用朴素贝叶斯方法、IBI 法和C4.5 法建立预测模型,其准确率可达79%。有文献认为可以利用围手术期既相对完整的体征与其他相关数据,采用丰富的机器学习方法,形成预测危重风险的有效的知识库,进而采取人工智能推理决策技术,规范化地支持各种医疗场景下的危重风险监测与干预决策。

目前国内外部分机构采用直接监护数据经数据预处理分析及数据挖掘后用于危重时间的早期诊断和预警。研究报道30%心血管危重事件发生前24小时就有监护体征数据异常。利用数据挖掘技术应用于监护数据,建立了一个早期预警系统,应用于住院患者,ICU预警敏感性为0.4172,特异度为0.950。也有文献报道通过分析床旁数据的5 个生命体征,指标恶化可以预警心跳呼吸骤停。通过患者临床恶化的早期征象的预警系统评分,可对48小时内的需使用血管加压药、心衰和心跳骤停等心血管事件进行预警。心肌梗死溶栓疗法评分和全球急性冠状动脉事件注册评分,可以预测急诊胸痛患者术后心血管不良事件;炎性因子、血脂和血尿酸等可以作为糖尿病患者术后心血管不良事件的评估和预测指标。可见基于数据挖掘技术的人工智能可以实现监护期间主要重症事件的实时追踪、早期预警和干预提示,这对于进一步提高围术期麻醉质量,提高患者安全、减少医疗费用支出等方面具有重要意义。

中华医学信息导报供稿

吕卓辰校稿

转载来源:中国医师协会麻醉学医师分会

免责声明:

本微信公众平台所刊载原创或转载内容不代表米勒之声的观点或立场。文中所涉及药物使用、疾病诊疗等内容仅供参考。

微信视频预览查看

本文由作者自行上传,并且作者对本文图文涉及知识产权负全部责任。如有侵权请及时联系(邮箱:guikequan@hmkx.cn
关键词:
人工智能,围术期,心血管,预警

人点赞

收藏

人收藏

打赏

打赏

我有话说

0条评论

0/500

评论字数超出限制

表情
评论

为你推荐

推荐课程


社群

精彩视频

您的申请提交成功

确定 取消
剩余5
×

打赏金额

认可我就打赏我~

1元 5元 10元 20元 50元 其它

打赏

打赏作者

认可我就打赏我~

×

扫描二维码

立即打赏给Ta吧!

温馨提示:仅支持微信支付!