双核心期刊|AI实现院内脓毒症风险早筛早诊

2022-6-23

脓毒症(Sepsis)是危重症患者死亡的最重要原因,在所有引起居民死亡的病因中排第10位。脓毒症需要紧急诊治,但仍有76.6%的患者在死亡时感染没有得到有效控制。医学界认为最主要原因是临床早期识别能力有限,导致诊断率偏低,影响及时救治。

“运用机器学习算法挖掘患者临床数据,建立脓毒症预测与诊断模型,能够提高脓毒症早期检出率,提高治疗效率。”近日,发表在中国科技核心期刊、RCCSE中国核心学术期刊——《医学信息学》杂志的《院内脓毒症风险管理系统设计与实现》研究结果显示,采用AI技术构建院内脓毒症风险管理系统,可实现患者住院期间脓毒症筛查指标、诊断指标的持续监测与及时预警。

当脓毒症患者需要进入重症监护室时,1/3的患者存活时间不超过30d。为改善患者预后,医学界对脓毒症进行了30多年研究和200多项随机对照试验,也前后提出了3个版本的脓毒症定义与诊断标准。其中Sepsis3.0将“SOFA(序贯性器官衰竭评分)≥2分”,且发生“感染”作为脓毒症诊断标准,解决了前两个版本过于敏感、缺乏特异性等问题,能够有效反映脓毒症患者病理及生理过程。但由于脓毒症临床症状不典型、SOFA评估体系繁琐、非急诊ICU医生缺乏主动筛查意识等现状,脓毒症早期识别与干预仍是临床面临的严峻问题。

近年来,人工智能技术逐渐应用于疾病风险预测领域研究中,但缺乏基于Sepsis3.0与电子病历数据的脓毒症预测与早诊应用。该研究围绕临床科室与医务部门的脓毒症防治需求,根据Sepsis3.0诊断标准,采用自然语言处理、深度学习算法等人工智能技术,构建了院内脓毒症风险管理系统,设定了系统的核心监测指标、管理流程,以对全院住院患者的脓毒症风险进行有效管理。

研究者在系统实施上线前先与ICU临床医生确定应用场景数据采集需求,并组织临床医生对系统自动完成的SOFA评估结果进行审核,以判定系统评估准确性。结果显示,SOFA评估表的11项变量除血小板评估准确率90%外,其余变量评估准确率均为100%,平均准确率为98.75%。经过持续算法优化后,系统准确率不断提升。实现在患者住院期间通过解析病历内容变化,对SOFA分值、感染指征等指标进行指标监测,一旦达到质控标准将实时在医生工作界面做出预警、提醒补充诊断等,帮助医生早期识别与干预脓毒症。

成为我们的

合作伙伴

医院演示预约
提交以下真实信息,我们将尽快联系您