每年,美国至少有 170 万成年人患败血症,大约 35 万人将死于严重的血液感染,这种感染可能会引发全身危及生命的连锁反应。
在《npj Digital Medicine》上发表的一项新研究中,加州大学圣地亚哥分校医学院的研究人员在加州大学圣地亚哥分校健康中心的急诊科使用了人工智能(AI) 模型,以便快速识别有败血症风险的患者感染。
研究发现,该研究团队之前开发的名为 COMPOSER 的人工智能算法使死亡率降低了 17%。
“我们的 COMPOSER 模型使用实时数据,以便在出现明显临床表现之前预测脓毒症,”研究合著者、加州大学圣地亚哥分校医学院急诊医学系重症监护科主任、医学博士 Gabriel Wardi 说。“它在幕后默默、安全地工作,持续监测每一位患者是否有可能败血症的迹象。”
一旦患者在急诊室登记,算法就会开始连续监测 150 多个可能与脓毒症相关的不同患者变量,例如实验室结果、生命体征、当前用药、人口统计和病史。
如果患者出现多个变量,导致败血症感染的高风险,人工智能算法将通过医院的电子健康记录通知护理人员。然后护理团队将与医生一起审查并确定适当的治疗计划。
研究合著者、加州大学圣地亚哥分校医学院生物医学信息学副教授兼预测分析主任 Shamim Nemati 博士表示:“这些先进的人工智能算法可以检测出人眼最初不明显的模式。”“系统可以查看这些风险因素,并对脓毒症做出高度准确的预测。相反,如果风险模式可以通过其他条件以更高的置信度来解释,那么就不会发送警报。”
该研究调查了位于 Hillcrest 的加州大学圣地亚哥分校医疗中心和位于拉荷亚的 Jacobs 医疗中心的急诊科部署 COMPOSER 前后的 6,000 多名入院患者。
标签:
免责声明:本文由用户上传,如有侵权请联系删除!