突然接到医生电话,提醒我1小时内心脏病会发作!
某天早上,突然接到医生的电话,说你一小时内会心脏病发作。千万不要惊讶。这或许是人工智能基于健康数据提前给出的诊断。美国医院正通过计算机预测患者紧急情况,进一步开发机器学习能力,确保患者在疾病发作前得到有效治疗。
57岁的心脏病患者约翰(化名)在克利夫兰医学中心1楼接受检查时,突然心跳加速,趋于骤停,他的护理团队在8楼接到通知,但是他们之间隔着7层楼梯,很难在这种关键时刻给与约翰及时的救治。
在美国医院,因为错过最佳救治时间,或者因各种检测仪器噪音对警报的干扰,心脏停跳的患者只有25%的存活率。但当天的电话并非来自医院,而是来自于医院外办公园区中的中央监控部门(Central Monitoring Unit, CMU),那里的技术人员会通过计算机观察患者的生命体征,监测心脏病的发作。
随后经过紧急救护,约翰脱离了危险。这仅仅是CMU在这一事件中工作内容的一部分,该部门希望运用人工智能提前预测此类事件,使患者在疾病发作前得到有效治疗。
“机器学习在这一方面有很高的利用价值。”CMU医学主任的心脏病专家丹尼尔坎蒂隆(Daniel Cantillon)医生表示,“我们对此投入了大量资金,就是为了对这样的紧急情况提前做出应对。”
01
人工智能预测突发疾病
近年来,美国各地的医院都设立了指挥中心,以完成一系列数据监测任务,例如,提高病床利用率、调整人员配置、检测脓毒症发作等。
脓毒症是一种危及生命的感染反应综合征,是医院中最常见的致死疾病之一。人工智能的最新进展有望帮助医生发现患者病情的恶化,并尽早安排治疗。
约翰·霍普金斯医院(Johns Hopkins Hospital)和耶鲁纽黑文医院(Yale New Haven Hospital)指挥中心的管理人员都表示,他们正在研究如何借助机器学习提供更及时的护理。
克利夫兰医学中心的最终目标,是让一线的临床医生在患者心脏病发作前一小时或更早就得到通知。这将需要对该系统现有能力进行提升。
02
现阶段问题:依赖技术人员
现阶段,CMU虽然可以预测心脏病的突然发作,但却严重依赖技术人员。他们需要从数百名患者的数据中筛选出发病信号,并迅速通知医护人员。
尼莫儿童医院(Nemours Children’s Hospital)是这一指挥中心模式的先驱。十几年前,该医院的医疗系统设立了一个监控中心,用来监测整个系统中非重症(non-ICU)儿科患者的生命体征。该中心的医护人员会监测患者的电子数据,及时获取他们身体状况的最新信息。
“如果患者的化验结果有任何异常,监控中心的技术人员会提醒医生进行察看。”儿童医院的首席医疗官史蒂芬劳利斯(Stephen Lawless)医生说,“现在医院的每个楼层都配备了这样的人工智能监测设备,让患者接受到更加及时的治疗。”
医疗中心的运作机理来源于军队。医疗指挥中心的设立模仿了军事指挥中心,从医院分离出来,更好地对医疗资源进行合理调配。
近几十年来,医院里大量的监测设备每天都会发出无数提示音,而且绝大多数都无需处理,令医护人员很难辨别出其中的警报声。相比之下,人工智能系统可以运用模式识别功能很快地筛选关键信息,这使医院对这类人工智能监测设备的需求不断增加。
在克利夫兰医学中心,医生开发的特定算法可以通过血压、心率和血氧饱和度等数据标记出恶化风险最高的患者,由护士和紧急医疗技术人员组成的三人小组可通过CMU的计算机对这些病人进行监测。当发现患者出现心律或血压问题时,他们会拨打电话通知医生。
该部门项目经理艾丽西亚伯克尔(Alicia Burkle)称,仅在4月份,CMU工作人员就向医疗机构拨打了7.7万个电话,大多数电话都是提醒护士检查某位患者,但有时也会向医生通知约翰这样的紧急情况。
03
准确率79%的时光机
一篇2016年发表在《美国医学协会期刊》(The Journal of the American Medical Association, JAMA)上的论文量化了CMU在通知一线医护人员紧急情况时的表现。
该研究发现,CMU准确地向临床医生发出了79%心率或心律变化的警报(979次中的772次),使急救人员及时开展了抢救工作。另外,CMU还发出了27例心脏骤停的通知,其中的25名患者得救。
坎蒂隆表示:“如果我们能利用数字技术彻底了解患者的细微变化,那么就可以更好地开展治疗工作。而这取决于我们是否能够识别这些变化,将它们与心脏病发作的案例联系起来。”
坎蒂隆还说:“我们必须将开发一种擅于识别病人变化的算法,投入运用并进行验证。”他补充道,“诊所过去一直在独立完成所有的工作,但现在我们正在与外部AI供应商合作,进一步提升系统的能力。另外,未来对算法的任何改进都是为了助力CMU中的工作人员,而非取代他们。我们要做的是让设备更好地服务他们,让他们可以更高效地处理所有数据。”
约翰·霍普金斯医院指挥中心的负责人表示,医院正在探索利用机器学习来预测患者病情变化并监测治疗情况的技术。目前,该中心侧重于管理医院床位,尽可能提高床位的利用率。
在耶鲁纽黑文医院,该医院还建立了一个专注于病床管理的指挥中心,临床负责人制定了一项计划来监测Foley导管的使用以预防感染和其他并发症,并对导致患者恶化的潜在因素进行研究。
目前,大部分工作是由护士和其他医护人员完成。该医院床位资源管理主任罗伯特福格蒂(Robert Fogerty)说,“我们的目标是通过病床协调中心来完成这些工作,我们相信这一目标很快就能实现。”
原文来源:STAT
原文标题:Hospitals look to computers to predict patient emergencies before they happen