從臨床記錄中找尋生機，AI成功預測急性腎損傷風(fēng)險

　　急性腎損傷(AKI)是指腎臟突然不能過(guò)濾血液中的廢物，這種疾病會(huì )直接破壞重癥病人的腎臟系統。如果超過(guò)第二階段(AKI分為三個(gè)階段)，死亡率會(huì )接近89%。如果它在腹部大手術(shù)后出現，則會(huì )使死亡的風(fēng)險增加12倍。

　　幸運的是，研究人員在開(kāi)發(fā)有助于早期發(fā)現的技術(shù)方面取得了進(jìn)展。西北大學(xué)和德克薩斯大學(xué)健康科學(xué)中心的研究人員在發(fā)表的一篇論文(《使用臨床記錄對重癥監護環(huán)境中急性腎損傷的早期預測》)中，描述了一種人工智能系統，該系統可以從電子健康記錄(EHRs)中收集和提取危險因素，并預測重癥監護后的頭24小時(shí)內AKI的可能性。

　　“我們開(kāi)發(fā)了數據驅動(dòng)的預測模型來(lái)估計新AKI發(fā)作的風(fēng)險，”研究人員寫(xiě)道?！皬膶?shí)用的角度來(lái)看，我們的預測模型可以用來(lái)提醒臨床醫生，重癥患者在ICU入院后會(huì )很快處在急性腎損傷的高風(fēng)險中?！?/p>

　　為了訓練這一人工智能系統，該團隊從Medical Information Mart獲取了三級重癥監護室記錄，這是一個(gè)免費提供的危重病數據庫，包含了Beth Israel Deaconess Medical Center ICU 4萬(wàn)多名患者的匿名健康信息。他們開(kāi)發(fā)了一個(gè)腳本，記錄了年齡、性別、種族和民族，以及ICU入院第一天的臨床記錄，和入院后72小時(shí)的血清肌酐水平(一種常見(jiàn)的尿液毒性指標)。上述操作使得系統排除了那些沒(méi)有醫生記錄和腎功能不全跡象的患者。

　　他們總共從141470名患者的16560次ICU住院中，收集了77160份臨床記錄，并將其分為兩組：一個(gè)用于訓練、另一個(gè)用于測試，然后他們開(kāi)始建立機器學(xué)習模型。

　　研究人員需要對數據進(jìn)行一些預處理以獲得結構化特征，其中一些處理方式包括：利用國家醫學(xué)圖書(shū)館免費提供的元地圖工具集;從免費文本臨床記錄中識別醫學(xué)概念等等。通過(guò)這些預處理提取的特征以概念唯一標識符(CUIs)的形式出現，這個(gè)同單詞和術(shù)語(yǔ)相關(guān)聯(lián)的概念來(lái)自統一醫學(xué)語(yǔ)言系統(UMLS)，即生物醫學(xué)術(shù)語(yǔ)和分類(lèi)的綜合綱要。

　　研究人員還從scikit-learn(基于Python編程語(yǔ)言的開(kāi)源機器學(xué)習庫)中獲取了五種算法，來(lái)分類(lèi)ICU停留時(shí)間并估計AKI風(fēng)險。在測試中，研究人員的監督學(xué)習分類(lèi)器在受試者操作特性(AUC)下達到了0.779，這意味著(zhù)它能夠識別50%以上的AKI風(fēng)險患者，并且與以前的方法相比具有精確的“競爭性”。

　　盡管如此，這一切卻并不完美。它曾錯誤地標記了一名患者的AKI發(fā)病，該患者的圖表包含高度關(guān)聯(lián)的單詞，如“胸腔管”和“不穩定”。而在另一個(gè)案例中，它則未能預測出后來(lái)罹患AKI的患者。

　　研究人員將繼續研究替代的表型系統、臨床記錄數據庫，并使用其他的患者數據集進(jìn)行驗證。

　　關(guān)于將人工智能應用于A(yíng)KI檢測，另一個(gè)值得注意的是谷歌子公司DeepMind，該公司在2月份宣布了與美國退伍軍人事務(wù)部的合作伙伴關(guān)系，該合作伙伴關(guān)系賦予了它訪(fǎng)問(wèn)70多萬(wàn)份醫療記錄的權限。