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

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

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

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

MagnusBång說：“我們正在研究算法，并且正在測試醫(yī)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：“我們已經(jīng)使用來自MIMIC的數(shù)據(jù)訓(xùn)練了一個大型神經(jīng)網(wǎng)絡(luò)，MIMIC是一個美國數(shù)據(jù)庫，其中包含來自波士頓一家醫(yī)院的大量生物識別數(shù)據(jù)和實驗室結(jié)果。”

該算法識別患者

MIMIC擁有59,000名重癥監(jiān)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(jié)果，患者的病史和以前的操作信息。

允許網(wǎng)絡(luò)調(diào)查數(shù)據(jù)庫中的信息可能會使其發(fā)現(xiàn)某些觀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(shù)據(jù)是什么樣的。我們根據(jù)醫(yī)學(xué)文獻選擇了大約30個參數(shù)，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(xùn)練算法。它學(xué)會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(xiàn)敗血性休克之前以較高的精度識別患者。” JosefFagerström說。

該算法發(fā)現(xiàn)的模式是如此復(fù)雜，以至于人們無法理解它是如何產(chǎn)生的。

“我們?nèi)祟惏l(fā)現(xiàn)很難看到這種模式。該算法不僅考慮大量參數(shù)，而且考慮它們之間的關(guān)系。這些也非常復(fù)雜。” JosefFagerström說。

MagnusBång的研究小組還建立了一個用于患者監(jiān)護的AI系統(tǒng)。目的是將來使用該技術(shù)實時監(jiān)視醫(yī)院的患者。

“我們的愿景是能夠監(jiān)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)對其進行分析。當發(fā)現(xiàn)有人有感染性休克的危險時，它會通知醫(yī)生。” MagnusBång說。

那么醫(yī)生如何使用這些信息?

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

人工智能和醫(yī)療保健–熱門研究領(lǐng)域

MagnusBång說，人工智能，大數(shù)據(jù)和醫(yī)療保健的結(jié)合是當前的熱門研究領(lǐng)域。與醫(yī)學(xué)領(lǐng)域一樣，這項研究被許多安全法規(guī)所圍繞。

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

他將該過程與開發(fā)新藥的過程進行了比較。

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

他認為他們很快就能測試該項目。

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