林雪平大學(xué)的研究人員開(kāi)發(fā)了一種算法，可以識別出感染性休克風(fēng)險較高的患者。

敗血性休克是威脅生命的疾病，醫生難以預測。同時(shí)，重要的是盡早識別癥狀，因為早期治療會(huì )增加生存機會(huì )。一組LiU研究人員正在使用人工智能來(lái)識別患病風(fēng)險最高的患者。

IDA計算機與信息科學(xué)系高級講師MagnusBång說(shuō)：“我們開(kāi)發(fā)了一種算法，可以識別出感染性休克風(fēng)險較高的患者。”

他領(lǐng)導了林雪平大學(xué)與林雪平大學(xué)醫院和Östergötland地區合作的研究項目。該項目還包括Linköping大學(xué)的醫師兼教授Michelle Chew，以及醫師兼LiU研究人員Daniel Wilhelms。

MagnusBång說(shuō)：“我們正在研究算法，并且正在測試醫療領(lǐng)域的AI技術(shù)。”

IDA的博士生JosefFagerström是該研究小組的成員，并且剛剛在著(zhù)名的《科學(xué)報告》雜志上發(fā)表了一篇描述該算法的文章。

“該算法用于機器學(xué)習。JosefFagerström說(shuō)：“我們已經(jīng)使用來(lái)自MIMIC的數據訓練了一個(gè)大型神經(jīng)網(wǎng)絡(luò )，MIMIC是一個(gè)美國數據庫，其中包含來(lái)自波士頓一家醫院的大量生物識別數據和實(shí)驗室結果。”

該算法識別患者

MIMIC擁有59,000名重癥監護病房入院的信息。它包含例如患者的年齡，體重，血壓，脈搏頻率和呼吸頻率，以及化驗結果，患者的病史和以前的操作信息。

允許網(wǎng)絡(luò )調查數據庫中的信息可能會(huì )使其發(fā)現某些觀(guān)測值和敗血性休克之間的聯(lián)系。

“我們知道敗血性休克發(fā)生后患者的數據是什么樣的。我們根據醫學(xué)文獻選擇了大約30個(gè)參數，例如體溫，脈搏，年齡，以前的狀況等。然后，我們在神經(jīng)網(wǎng)絡(luò )上運行了訓練算法。它學(xué)會(huì )了識別隨后遭受敗血癥性休克的患者。因此，該算法可以在出現敗血性休克之前以較高的精度識別患者。” JosefFagerström說(shuō)。

該算法發(fā)現的模式是如此復雜，以至于人們無(wú)法理解它是如何產(chǎn)生的。

“我們人類(lèi)發(fā)現很難看到這種模式。該算法不僅考慮大量參數，而且考慮它們之間的關(guān)系。這些也非常復雜。” JosefFagerström說(shuō)。

MagnusBång的研究小組還建立了一個(gè)用于患者監護的AI系統。目的是將來(lái)使用該技術(shù)實(shí)時(shí)監視醫院的患者。

“我們的愿景是能夠監視所有患者。如果以敗血性休克為例，我們將收集所有測量值并允許網(wǎng)絡(luò )對其進(jìn)行分析。當發(fā)現有人有感染性休克的危險時(shí)，它會(huì )通知醫生。” MagnusBång說(shuō)。

那么醫生如何使用這些信息?

確切地說(shuō)，這是一個(gè)稍后要討論的問(wèn)題，但是這些信息可以為醫生的決策提供支持。當算法檢測到某些東西時(shí)，會(huì )通知醫生。但是，由醫生來(lái)做所有決定。目前，我們只是在測試這項技術(shù)，以確保它可行。” MagnusBång說(shuō)。

人工智能和醫療保健–熱門(mén)研究領(lǐng)域

MagnusBång說(shuō)，人工智能，大數據和醫療保健的結合是當前的熱門(mén)研究領(lǐng)域。與醫學(xué)領(lǐng)域一樣，這項研究被許多安全法規所圍繞。

“在對患者進(jìn)行測試時(shí)，這項工作需要經(jīng)過(guò)道德審查。但是，如果允許我們測試我們的AI系統，則不會(huì )將其用于患者診斷。最初，我們只對技術(shù)測試感興趣”，MagnusBång說(shuō)。

他將該過(guò)程與開(kāi)發(fā)新藥的過(guò)程進(jìn)行了比較。

“您必須進(jìn)行對照試驗。只有藥物有效，您才能開(kāi)始使用它，但在此之前，必須先進(jìn)行嚴格的測試。”

他認為他們很快就能測試該項目。

MagnusBång說(shuō)：“我們希望能夠在2020年期間在林雪平大學(xué)醫院急診室測試我們的系統”。