AI系统识别早期败血症，减少患者死亡率
文章来源：ATYUN AI平台
在医院，医生和护士会密切关注患者的生命体征和血液检查，以了解脓毒症的首发症状。在这种威胁生命的疾病中，身体会对各种导致器官衰竭的炎症的感染做出反应。病例可迅速发展为严重败血症，然后发展为感染性休克，在美国这样的情况死亡率接近50％。
但即使是最警觉的人也会感到疲倦，犯错误，并错过微妙的变化模式。这就是几家医院正在试验AI败血症检测器的原因。研究人员表示，这些试点项目是AI被纳入医院运营的第一个真实例子，电子医疗记录的数据和警报纳入医生的工作流程。
下个月，位于北卡罗来纳州达勒姆的杜克大学医院正式推出Sepsis Watch，这是一个基于AI的系统，用于识别早期败血症病例并引发警报。医院最初将其部署在急诊室，然后将其扩展到综合医院和重症监护室。“最重要的是要在及早发现的情况下，即他们进入ICU前，”杜克卫生研究院创新和项目领导之一Suresh Balu表示。
败血症监测通过深度学习进行训练，根据几十个变量识别病例，包括生命体征，实验室检测结果和病史，其训练数据包括50000个患者记录，其中包括超过3200万个数据点。在操作中，它每5分钟从患者的医疗记录中提取信息，以评估他们的状况，提供人类医生无法提供的密集的实时分析。如果AI系统确定患者符合其患有败血症早期症状的患者的标准，则会向医院快速反应小组的护士发出警报。
杜克研究所的医生和数据科学家Mark Sendak说，现在AI无法做到一切。当护士赶到病人的床边时，他们的工作就是决定是否解除警报，将患者放在观察名单上，或者与医生讨论开始治疗。如果有指导，脓毒症观察系统还将指导工作人员完成一项名为“拯救败血症”活动的全球计划所建议的治疗步骤清单，包括在最初3小时内进行的血液检查和药物治疗。“该模型检测到败血症，”Sendak说，“但大部分应用都专注于完成治疗。”
Sendak表示，该团队仔细考虑了系统的用户界面以及警报如何适应现有工作流程。临床医生对他们的回合增加了干扰持谨慎态度：Sendak说，杜克医院在2015年尝试用于识别败血症病例的不同早期预警系统有时会为一名病人每天发出100次警报。
杜克系统不是第一个在医院应用的AI败血症检测仪。该荣誉属于宾夕法尼亚大学医院实施的早期预警系统，医院副教授Craig Umscheid解释道。他的团队于2016年初启动了该系统，并于2017年将其关闭。Umscheid表示，该系统根本没有提高护理质量或患者结果，部分原因是因为当它确定了可能的败血症患者，而医务人员早就看出来了。“识别未预料到的病例的机会低于预期。”
约翰霍普金斯大学计算机科学助理教授Suchi Saria说，在巴尔的摩的约翰霍普金斯医院，类似的系统显示出更好的结果。Saria的团队在2017年底推出了AI系统，她说它运作良好，以至于他们准备将其扩展到其他四家医院。“我们看到护理方面发生了重大变化，患者突然恶化的病例减少了。”霍普金斯的败血症检测器专为不同的患者群体量身定制，例如，它根据不同的标准评估免疫系统受损的患者，并且还具有针对医院的各个单元进行优化的工作流程。
杜克大学的Sendak表示，如果这些AI系统能够改善护理，许多医院都会急于采用这项技术。从2018年7月开始，美国政府的医院比较网站开始公布医院关于为败血症提供早期和适当治疗的记录的数据。“全国平均水平约为50％，很多地方都在努力解决这个问题。”
本文转自ATYUN人工智能媒体平台，原文链接：AI系统识别早期败血症，减少患者死亡率
更多推荐
研究人员为智能扬声器开发AI算法，用于检测心脏骤停
AI算法帮助无人机在未知的杂乱环境中自主导航
加速Python数据分析的10个简单技巧（上）
Argo AI与卡内基梅隆大学联合成立自动驾驶汽车研究中心
AI系统识别早期败血症，减少患者死亡率相关推荐
- 2010 ACR/EULAR 类风湿关节炎分类标准的应用：针对非常早期的滑膜炎患者与1987年ACR标准的比较...
原文 译文 Ann Rheum Dis doi:10.1136/ard.2010.143560 Clinical and epidemiological research Extended repor ...
- 谷歌用AI诊断早期肺癌超越人类医生，登上Nature子刊
伊瓢 发自 凹非寺 量子位 报道 | 公众号 QbitAI 在我国,肺癌一直是各种癌症中致死最多的. 据国家癌症中心统计,我国每年新发肺癌约78.7万人,因肺癌死亡约63.1万人,如果这些患者都能早 ...
- apache ii评分和死亡率_APACHEⅢ、SAPSⅡ与APACHEⅡ评分系统对急诊内科危重患者病情评估的临床意义...
APACHEⅢ.SAPSⅡ与APACHEⅡ评分系统对急诊内科危重患者病情评估的临床意义 作者: 王小平 [摘要] 目的:探讨APACHEⅢ.SAPSⅡ与APACHEⅡ评分系统在急诊内科危重患者病情评估 ...
- 情感障碍学计算机好吗,AI系统怎么帮助双相情感障碍患者
双相情感障碍和抑郁症教授梅尔文·麦金尼斯(Melvin McInnis)和计算机科学与电气工程副教授艾米莉·莫尔·普罗沃斯特(Emily Mower Provost)正在研究一种AI系统,旨在更深入了 ...
- 全身MRI与临床检查在检测早期中轴脊柱关节病患者附着点炎方面一致性差－来自ESTHER临床试验基线水平的...
原文 译文 Poor Agreement Between Enthesitis on Whole-Body Magnetic Resonance Imaging and Enthesitis on C ...
- 【医院/诊所挂号系统】如何减少预约患者恶意退号爽约？
随着医疗便民服务的发展,很多医院.诊所.卫生院等医疗机构都开通了线上预约挂号通道,方便患者看病不排队,就诊更便捷. 但伴随门诊预约率逐渐提升,部分患者在线上预约挂号后,存在就诊不守时.临时退号.爽约的 ...
- MIT新研究：AI仅靠看X光片就能准确识别患者种族，但没人知道为什么
本文共2500字,建议阅读5分钟仅从一个人的胸部X光片.肢体CT扫描和乳房X光片等影像资料,就能判断出他/她的种族,你相信吗? 人类对于某人是黑人.亚洲人还是白人的判断主要来自于某些外貌特征:皮肤.头 ...
- 机器学习能诊断病情，还能预测患者出院后的情况？
摘要: 机器学习正逐渐改变着各行各业,医疗行业也处于变革之中.想不到机器学习不光能诊断患者病情,还能预测患者出院后的情况呢,这个研究方向有点意思,感兴趣的读者快来瞅瞅吧! 随着数据量以及计算机性能的不 ...
- 从HoloLens到AI辅助结核病治疗，17年AI在医疗领域几个最重要的应用突破
大数据文摘作品 编译:姜范波 感恩节刚过去,17年最后一个月到来之前,我们总结了这一年人工智能在医疗健康领域应用的几个最重要突破.从HoloLens到AI辅助结核病治疗,新科技正在给医疗健康领域带来的 ...
最新文章
- java串口通信DataRecive_串口通信之DataReceive事件触发时机
- ismm rejection from cambridge
- 5-2 决策树算法预测销量高低代码
- 投资理财要趁早，基金风险是最小！
- C语言判断两字符串同构,c语言实现判断两颗树是否同构
- 在Javascript中闭包（Closure)
- 总结2---万用表测量方波和正弦波的电压
- $_SERVER['PHP_SELF']、$_SERVER['SCRIPT_NAME'] 与 $_SERVER['REQUEST_URI']三者的区别
- alians mysql_Linux学习——Shell基础
- 如果Service有多个实现类，Spring怎么知道该注入哪个实现类
- readelf命令使用
- 马尔科夫蒙特卡洛算法(MCMC)
- Java中的JPA是什么意思？
- Adobe Photoshop CC2018软件安装教程
- 大组合数取模hdu5698 瞬间移动
- 2018-2019-2 20189201 《网络攻防实践》第八周作业
- Linux valgrind java_linux下valgrind的使用概述
- 直播软件系统搭建技术分享
- python玩转我的世界_PYTHON玩转我的世界——批量生成铁傀儡
- 谁买了方舟正版火影服务器,《方舟》火影服再次被玩家恶搞！漩涡鸣人：我不要面子的吗！...