機器學習系統(tǒng)可以幫助膿毒癥護理中的關鍵決策

麻省理工學院和馬薩諸塞州綜合醫(yī)院(MGH)的研究人員開發(fā)了一種預測模型，可以指導臨床醫(yī)生決定何時為急診室膿毒癥患者提供可能挽救生命的藥物。

膿毒癥是最常見的入院原因之一，也是重癥監(jiān)護病房中最常見的死亡原因之一。但絕大多數(shù)這些患者首先通過急診室進入。治療通常始于抗生素和靜脈注射液，一次幾升。如果患者反應不佳，他們可能會進入感染性休克，其血壓下降至危險低，器官衰竭。然后它經(jīng)常離開ICU，臨床醫(yī)生可以減少或停止液體并開始使用去甲腎上腺素和多巴胺等血管加壓藥物，以提高和維持患者的血壓。

這就是事情變得棘手的地方。長時間使用液體可能沒有用，甚至可能導致器官損傷，因此早期血管加壓劑干預可能是有益的。事實上，早期血管加壓劑給藥與膿毒性休克的死亡率提高有關。另一方面，過早或不需要給予血管加壓劑會帶來其自身的負面健康后果，例如心律失常和細胞損傷。但是，何時進行這種轉(zhuǎn)變并沒有明確的答案; 臨床醫(yī)生通常必須密切監(jiān)測患者的血壓和其他癥狀，然后進行判斷。

在本周美國醫(yī)學信息學協(xié)會年度研討會上發(fā)表的一篇論文中，麻省理工學院和MGH的研究人員描述了一個模型，該模型從緊急護理敗血癥患者的健康數(shù)據(jù)中“學習”并預測患者是否需要在接下來的幾個小時內(nèi)使用血管加壓藥。在這項研究中，研究人員為ER膿毒癥患者編制了第一份此類數(shù)據(jù)集。在測試中，該模型可以預測超過80%的時間對血管加壓藥的需求。

研究人員表示，早期預測可以防止不需要血管加壓劑的患者不必要的ICU停留，或者為病人開始ICU的早期準備。

“在需要血管加壓劑和誰沒有[在急診室]之間具有良好的辨別能力是很重要的，”第一作者Varesh Prasad博士說。哈佛 - 麻省理工學院健康科學與技術專業(yè)的學生。“我們可以在幾個小時內(nèi)預測患者是否需要血管加壓藥。如果在那段時間內(nèi)，患者得到3升靜脈輸液，那可能是過量的。如果我們提前知道這些升液無論如何都不會有幫助，他們會可能早就開始使用血管加壓藥了。“

在臨床環(huán)境中，該模型可以在床邊監(jiān)測器中實施，例如，其跟蹤患者并且向經(jīng)常忙碌的ER中的臨床醫(yī)生發(fā)送關于何時開始血管加壓劑和減少流體的警報。麻省理工學院醫(yī)學工程與科學研究所的WM Keck職業(yè)發(fā)展教授，共同作者托馬斯赫爾特說：“這種模式將是一個在后臺工作的警惕或監(jiān)視系統(tǒng)。“有許多膿毒癥病例[臨床醫(yī)生]清楚地了解，或者不需要任何支持?；颊咴诔醮卧\斷時可能會生病，以至于醫(yī)生確切知道該做什么。但也有”灰色區(qū)域“。這些工具變得非常重要。“

該論文的共同作者是麻省理工學院研究生James C. Lynch; 和Trent D. Gillingham，Saurav尼泊爾，Michael R. Filbin和Andrew T. Reisner，所有MGH。Heldt還是麻省理工學院電氣工程和計算機科學系的電氣和生物醫(yī)學工程助理教授，也是電子研究實驗室的首席研究員。

已經(jīng)建立了其他模型來預測哪些患者在ICU中有膿毒癥或何時施用血管加壓劑的風險。但這是第一個接受ER培訓的模型，Heldt說。“[ICU]是大多數(shù)膿毒癥患者的后期階段.ER是患者接觸的第一個點，您可以做出可以改變結(jié)果的重要決策，”Heldt說。

主要挑戰(zhàn)是缺乏ER數(shù)據(jù)庫。幾年來，研究人員與MGH臨床醫(yī)生合作，編制了2014年至2016年期間在MGH急診室接受治療的近186,000名患者的醫(yī)療記錄。數(shù)據(jù)集中的一些患者在醫(yī)院就診的前48小時內(nèi)接受了血管加壓藥，而其他患者沒有。兩位研究人員手動審查了所有可能感染性休克患者的記錄，包括血管加壓劑給藥的確切時間和其他注釋。(從敗血癥癥狀出現(xiàn)到血管加壓藥開始的平均時間約為6小時。)

這些記錄是隨機分割的，70%用于訓練模型，30%用于測試。在訓練中，該模型從需要或不需要血管加壓藥的患者中提取了58種可能的特征中的28種。特征包括血壓，從最初入院ER開始的經(jīng)過時間，給予的總體液量，呼吸率，精神狀態(tài)，氧飽和度和心臟搏出量的變化 - 每次心跳泵送多少血液。

在測試中，該模型以設定的時間間隔分析新患者中的許多或所有這些特征，并尋找指示最終需要血管加壓劑或不需要血管加壓劑的患者的模式?；谠撔畔?，它在每個間隔預測患者是否需要血管加壓劑。在預測患者是否需要在接下來的兩個小時或更長時間內(nèi)使用血管加壓劑時，該模型在80%到90%的時間內(nèi)是正確的，這可以平均防止超過半升或更多的給藥液體。

“該模型基本上采用了一組當前的生命體征，以及一些軌跡的樣子，并確定當前的觀察結(jié)果表明該患者可能需要血管加壓劑，或者這組變量表明該患者不需要血管加壓劑，”普拉薩德說。

接下來，研究人員旨在擴大工作范圍，以生成更多工具，實時預測ER患者最初是否有膿毒癥或感染性休克的風險。“我們的想法是將所有這些工具集成到一個管道中，這有助于在他們第一次進入急診室時管理護理，”Prasad說。

這個想法是為了幫助MGH等主要醫(yī)院的急診室的臨床醫(yī)生，每年看到大約110,000名患者，專注于膿毒癥最危險的人群。“膿毒癥的問題在于患者的表現(xiàn)常常掩蓋了潛在疾病過程的嚴重性，”Heldt說。“如果有人患有虛弱并且感覺不對，可以通過一點點液體治療。但是，在某些情況下，它們會有潛在的敗血癥并且可能很快惡化。我們希望能夠分辨出哪些患者如果不加以治療，它們會變得更好，并且處于關鍵的道路上。“