持鼎健康网

标准的儿科脓毒症AI筛查工具需具备3种能力

时间:2021-09-28 13:31:34作者:持鼎健康网分类:健康知识浏览:17评论:0

根据全球脓毒症联盟(GSA)的数据,美国每天有200多名儿童患有脓毒症,并且这个数字还在以每年8%的速度增长。这种情况每年夺走近7000名年轻人的生命,许多人的身体会伴随着永久性伤害。

脓毒症是由感染引起的器官功能障碍的危及生命的反应,是危重患儿死亡的重要原因之一。虽然临床治疗方案(液体复苏和抗生素)可以快速启动以减少不良后果,但这些治疗的及时使用也取决于临床医生对脓毒症的正确认知。

近年来,儿童和婴儿脓毒症筛查发展迅速。虽然筛查方法不断增加,但筛查工具的性能存在诸多局限性,基于机器学习的筛查方法可能是临床一线诊断的最终选择。

“机器学习和人工智能(AI)有望创造出更好的脓毒症识别工具,可以将EHR的医疗数据与实时输入信息整合在一起,而不是简单地使用各种评估表格。”波士顿儿童医院和费城儿童医院的两名儿科急诊医学专家说。最近发表在《儿科研究》(儿科研究)上的一篇医学文献综述间接提出了这一结论。

众所周知,儿科脓毒症的早期诊断是比较困难的,因为脓毒症的早期症状如体温升高、心跳加快、呼吸急促等在很多儿科疾病中都很常见,这使得儿科临床医生面临着精准诊断的压力。如果能迅速做出正确的诊断,不良结果的发生率会急剧下降。

两位专家强调,儿童脓毒症的机器学习筛查并不直接使用相关评估系统,如全身炎症反应综合征(SIRS)、儿童早期预警评分(PEWS)或序贯性器官衰竭估计评分(SOFA),而是训练AI算法模型在大量数据上运行复杂任务,预测不良结果。

同时,两位儿科专家建议,一个理想的儿科脓毒症AI筛查工具应该具备三个能力:

要准确预测脓毒症,需要有良好的敏感性,防止漏诊,并有足够高的阳性预测值(PPV),以最大限度地降低虚警和报警疲劳的风险。

在病程中尽早报警,增加临床辅助筛查的价值,而不是识别临床医生已经怀疑的患儿;

易于使用并无缝集成到临床工作流程中。

AI可以整合生命体征动态变化等大数据,在预测患者病情变化,尤其是基础生命体征异常或实验室检测值异常的患者时,比常用评估表更敏感。因此,机器学习可能比常用的临床评估表更准确和更早地预测败血症的风险。

引用2019年和2020年的研究,指出AI被证明可以提高成人脓毒症的识别率,但其在儿科的应用尚处于起步阶段,还有很多问题有待进一步证实。此外,还不清楚哪种人工智能模型能更好地识别儿童脓毒症,并最大限度地减少假阳性警报。同时,AI自动筛查和人工脓毒症筛查各有相对的优缺点,对于哪种筛查方法表现最好,目前尚无共识。

最后,两位儿科急诊专家补充说,这些问题的答案可能会因具体情况而异,在急诊科表现良好的工具可能不适合在ICU环境中使用。此外,对于远离三级医院或ICU的社区急诊科,预警可能比筛查准确性的工具更受重视,让孩子在病情恶化前就能转运治疗。要解决这些问题,需要在各种临床环境下进行多中心研究,需要更好地将医学大数据应用到机器学习中。


相关推荐

猜你喜欢