理想的儿科脓毒症AI筛查工具需具备3种能力

2021-9-30

全球脓毒症联盟(GSA)数据显示,美国每天有200多名儿童患上脓毒症,且这一数字还在以每年8%的速度增长。这种情况每年夺走近7000名年轻生命,同时很多人的身体还会伴随着永久性的伤害。

脓毒症是因感染导致器官功能障碍的一种危及生命的反应,是危重患儿死亡的重要原因之一。虽然临床上可以通过迅速启动脓毒症治疗方案(液体复苏和抗生素)来减少不良后果,但及时使用这些疗法也依赖于临床医生对脓毒症的正确认知。

近年来,儿童和婴儿脓毒症的筛查发展迅速。虽然筛查方法不断增多,但筛查工具的性能却存在许多局限性,而基于机器学习的筛查方法可能是临床一线诊断的最终选项。  

“机器学习和人工智能(AI)有望创建更好的脓毒症识别工具,这些工具可以整合医疗数据与EHR中实时输入的信息,而不单纯是使用各种评估表。”来自美国波士顿儿童医院与费城儿童医院的两位儿科急诊医学专家表示。该结论由近期发表在《儿科研究》(Pediatric Research)的一篇医学文献综述间接提出。

众所周知,脓毒症在儿科的早期诊断难度大,因为体温升高、心跳加快和呼吸急促等脓毒症早期症状在许多儿科疾病中都很常见,这使得儿科临床医生面临准确诊断的压力。如果能够迅速做出正确诊断,那么不良结果的发生几率将急剧下降。

两位专家在文中强调,机器学习筛查小儿脓毒症不是直接使用相关评估体系,例如全身炎症反应综合征(SIRS)、儿童早期预警评分(PEWS)或序贯器官衰竭估计评分(SOFA),而是训练AI算法模型在大量数据上运行复杂的任务,以预测不良结果。

同时,两位儿科专家建议,一种理想的儿科脓毒症AI筛查工具应具备3种能力:

要准确预测脓毒症,就要有良好的灵敏度、防止漏诊,同时具有足够高的阳性预测值 (PPV) ,以最大程度地减少误报和警报疲劳风险;

在患儿病程中尽早发出警报,增加辅助临床筛查价值,而不是识别临床医生已经怀疑的患儿;

易于使用,并无缝融入临床工作流程。

AI可以整合动态的生命体征变化等大数据,这在预测患者病情变化方面比常用评估表更加敏感,特别是在基本生命体征异常或实验室检查值异常的患者中。因此,机器学习可能比临床常用评估表更准确、更早地预测出脓毒症风险。

文中引用2019年和2020年的研究指出,AI已被证明可以改善成人脓毒症的识别率,但在儿科领域应用仍处于起步阶段,还有许多问题需要进一步证实。并且,目前尚不清楚哪种AI模型能更好地识别儿童脓毒症,以及最大限度地降低假阳性警报。同时,AI自动筛查和人工脓毒症筛查都有各自的相对优势和劣势,哪种筛查方式表现最佳尚未达成共识。

两位儿科急诊专家最后补充,这些问题的答案可能因具体情况而异,在急诊科表现良好的工具在ICU环境中使用未必合适。且对于远离三级医院或ICU的社区急诊科,可能更重视早期警报而不是筛查准确性的工具,以便患儿在病情恶化前转移治疗。为了解答这些问题,需要在多种临床环境中进行多中心研究,并且需要更好地将医疗大数据应用于机器学习。

原文链接:

https://aiin.healthcare/topics/diagnostics/pediatric-sepsis-increasingly-screenable-ai

成为我们的

合作伙伴

医院演示预约
提交以下真实信息,我们将在一个工作日内联系您
*姓名
*部门
*医院名称
*手机号

即刻预约