每年，美國至少有 170 萬成年人患敗血癥，大約 35 萬人將死于嚴(yán)重的血液感染，這種感染可能會引發(fā)全身危及生命的連鎖反應(yīng)。
在《npj Digital Medicine》上發(fā)表的一項新研究中，加州大學(xué)圣地亞哥分校醫(yī)學(xué)院的研究人員在加州大學(xué)圣地亞哥分校健康中心的急診科使用了人工智能(AI) 模型，以便快速識別有敗血癥風(fēng)險的患者感染。
研究發(fā)現(xiàn)，該研究團隊之前開發(fā)的名為 COMPOSER 的人工智能算法使死亡率降低了 17%。
“我們的 COMPOSER 模型使用實時數(shù)據(jù)，以便在出現(xiàn)明顯臨床表現(xiàn)之前預(yù)測膿毒癥，”研究合著者、加州大學(xué)圣地亞哥分校醫(yī)學(xué)院急診醫(yī)學(xué)系重癥監(jiān)護科主任、醫(yī)學(xué)博士 Gabriel Wardi 說。“它在幕后默默、安全地工作，持續(xù)監(jiān)測每一位患者是否有可能敗血癥的跡象。”
一旦患者在急診室登記，算法就會開始連續(xù)監(jiān)測 150 多個可能與膿毒癥相關(guān)的不同患者變量，例如實驗室結(jié)果、生命體征、當(dāng)前用藥、人口統(tǒng)計和病史。
如果患者出現(xiàn)多個變量，導(dǎo)致敗血癥感染的高風(fēng)險，人工智能算法將通過醫(yī)院的電子健康記錄通知護理人員。然后護理團隊將與醫(yī)生一起審查并確定適當(dāng)?shù)闹委熡媱潯?/p>
研究合著者、加州大學(xué)圣地亞哥分校醫(yī)學(xué)院生物醫(yī)學(xué)信息學(xué)副教授兼預(yù)測分析主任 Shamim Nemati 博士表示：“這些先進的人工智能算法可以檢測出人眼最初不明顯的模式。”“系統(tǒng)可以查看這些風(fēng)險因素，并對膿毒癥做出高度準(zhǔn)確的預(yù)測。相反，如果風(fēng)險模式可以通過其他條件以更高的置信度來解釋，那么就不會發(fā)送警報。”
該研究調(diào)查了位于 Hillcrest 的加州大學(xué)圣地亞哥分校醫(yī)療中心和位于拉荷亞的 Jacobs 醫(yī)療中心的急診科部署 COMPOSER 前后的 6,000 多名入院患者。
標(biāo)簽：
免責(zé)聲明：本文由用戶上傳，如有侵權(quán)請聯(lián)系刪除！