人工智能在ICU輔助診療應(yīng)用初探*

徐挺玉 王文明 郭建軍 索海燕 孫永檣 姜 曼 王忠民

(南京醫(yī)科大學(xué)第一附屬醫(yī)院(江蘇省人民醫(yī)院)南京 210029) (東軟集團(tuán)股份有限公司重癥醫(yī)學(xué)產(chǎn)品部沈陽(yáng) 110000) (南京醫(yī)科大學(xué)第一附屬醫(yī)院(江蘇省人民醫(yī)院) 南京 210029)

1 引言

人工智能(Artificial Intelligence，AI)在醫(yī)學(xué)領(lǐng)域應(yīng)用包括輔助治療決策、虛擬助理、病情預(yù)測(cè)、智能護(hù)理等。AI可承擔(dān)重復(fù)度高、規(guī)則明確、條件復(fù)雜的醫(yī)護(hù)工作，有助改善醫(yī)護(hù)效率、提高準(zhǔn)確率，可作為輔助臨床決策工具進(jìn)行快速診斷、優(yōu)化治療方案等[1-3]。重癥信息系統(tǒng)(Intensive Care Information System，ICIS)的基本功能是將重癥加強(qiáng)護(hù)理病房(Intensive Care Unit，ICU)患者生命體征信息整合為一個(gè)系統(tǒng), 與醫(yī)院信息系統(tǒng)及其他子系統(tǒng), 如檢驗(yàn)信息系統(tǒng)、醫(yī)學(xué)影像存儲(chǔ)與傳輸系統(tǒng)等實(shí)現(xiàn)無(wú)縫鏈接, 以便醫(yī)師隨時(shí)掌握患者病情變化，對(duì)重癥患者進(jìn)行嚴(yán)格監(jiān)控，及時(shí)提醒醫(yī)護(hù)人員，提高治療措施依從性。重癥系統(tǒng)對(duì)ICU患者數(shù)據(jù)，如生命體征、血?dú)夥治觥⒀Ｒ?guī)、呼吸機(jī)等進(jìn)行臨床集成并整合為臨床知識(shí)庫(kù)，利用人工智能算法提取大數(shù)據(jù)進(jìn)行分析決策，將是未來(lái)臨床決策研究趨勢(shì)。

2 發(fā)展現(xiàn)狀

2.1 相關(guān)研究概述

重癥患者臨床數(shù)據(jù)量和信息量巨大。據(jù)統(tǒng)計(jì)ICU醫(yī)療監(jiān)測(cè)記錄中同一患者瞬時(shí)可能涉及多達(dá)236項(xiàng)數(shù)據(jù)變量，已有研究利用大數(shù)據(jù)進(jìn)行指南及治療方案制定。2018年有學(xué)者針對(duì)Spesis 3.0是否會(huì)延遲診斷進(jìn)行研究；有學(xué)者針對(duì)2008-2016年69 000個(gè)臨床病例進(jìn)行回顧性研究，指出使用人工智能比醫(yī)生診斷提前4～12小時(shí)。

2.2 慢性阻塞性肺疾病急性加重領(lǐng)域應(yīng)用

慢性阻塞性肺疾病急性加重(Acute Exacerbation of Chronic Obstructive Pulmonary Disease，AECOPD)是重癥科室常見(jiàn)急危重癥。目前AECPOD規(guī)范化診治流程及智能化臨床決策體系建立處于研究階段，其中訓(xùn)練治療模型難點(diǎn)在于用于AI算法訓(xùn)練的數(shù)據(jù)量不足，缺乏資深醫(yī)師參與樣本標(biāo)注，導(dǎo)致AI 算法的準(zhǔn)確率和實(shí)用性無(wú)法滿足臨床應(yīng)用需求。因此重癥大數(shù)據(jù)應(yīng)用是該項(xiàng)研究的關(guān)鍵。

2.3 國(guó)內(nèi)發(fā)展情況

我國(guó)ICU大數(shù)據(jù)起步較晚，局限于對(duì)早期數(shù)據(jù)的收集，國(guó)外 ICU 大數(shù)據(jù)庫(kù)，如重癥監(jiān)護(hù)醫(yī)學(xué)信息數(shù)據(jù)庫(kù)(Medical Information Mart for Intensive Care，MIMIC)、Philips數(shù)據(jù)庫(kù)，能夠提供有益借鑒。在使用人工智能前重癥科室治療AECOPD疾病一般通過(guò)醫(yī)生經(jīng)驗(yàn)做決策，重癥科室醫(yī)生工作量大、疲勞度較高，醫(yī)療設(shè)備內(nèi)置報(bào)警上下限設(shè)置缺乏敏感性及特異性等都可以成為影響因素，而大數(shù)據(jù)根據(jù)病人情況發(fā)現(xiàn)致病規(guī)律更早預(yù)測(cè)潛在危險(xiǎn)，可個(gè)性化定制治療方案。機(jī)器學(xué)習(xí)技術(shù)結(jié)合醫(yī)院臨床數(shù)據(jù)采集系統(tǒng)與疾病診斷規(guī)則，通過(guò)深度學(xué)習(xí)算法訓(xùn)練大量臨床數(shù)據(jù)，可自動(dòng)生成可靠性較高的治療方案和更適合當(dāng)前患者的監(jiān)護(hù)策略，在應(yīng)用過(guò)程中通過(guò)醫(yī)生反饋操作，不斷進(jìn)行監(jiān)督式學(xué)習(xí)，最終可無(wú)限貼近專業(yè)醫(yī)生判斷，實(shí)現(xiàn)機(jī)器預(yù)治療。

3 關(guān)鍵技術(shù)

3.1 系統(tǒng)特點(diǎn)

基于人工智能的輔助診療系統(tǒng)應(yīng)用具有以下幾方面特點(diǎn)[4-6]：一是需要大量醫(yī)學(xué)知識(shí)庫(kù)作為支撐，該知識(shí)庫(kù)主要由將領(lǐng)域知識(shí)和經(jīng)驗(yàn)抽象化的數(shù)字知識(shí)構(gòu)成。二是人工智能以算法和算力為核心技術(shù)支撐，對(duì)于不能用算法解釋的自然規(guī)律無(wú)法操作，因此人工智能無(wú)法完全代替人類決策。三是人工智能結(jié)合自動(dòng)化系統(tǒng)可完成重復(fù)繁瑣的人工操作，有效提高人工操作準(zhǔn)確率和工作質(zhì)量。采用預(yù)測(cè)算法的人工智能可協(xié)助提前做好策略，有效控制突發(fā)事件。應(yīng)用技術(shù)原理包括：自然語(yǔ)言處理技術(shù)、機(jī)器學(xué)習(xí)和深度學(xué)習(xí)、建立重癥知識(shí)庫(kù)、大數(shù)據(jù)分析、分布式實(shí)時(shí)流處理等。

3.2 自然語(yǔ)言處理技術(shù)

根據(jù)預(yù)先定義或使用知識(shí)分析挖掘技術(shù)對(duì)資源進(jìn)行處理，形成可供分析、推理的知識(shí)(概念或主題等)，基于上述知識(shí)對(duì)用戶提供的各領(lǐng)域文本進(jìn)行標(biāo)注、分類等語(yǔ)義處理，最終提供推薦、搜索、分類、過(guò)濾等知識(shí)服務(wù)。

3.3 深度學(xué)習(xí)

一種基于數(shù)據(jù)進(jìn)行表征學(xué)習(xí)的人工智能算法，可分為監(jiān)督式學(xué)習(xí)和非監(jiān)督式學(xué)習(xí)兩種，是當(dāng)前主流機(jī)器學(xué)習(xí)技術(shù)。該技術(shù)主要特點(diǎn)，一是訓(xùn)練過(guò)程可監(jiān)督，在數(shù)據(jù)訓(xùn)練過(guò)程中用正確結(jié)果進(jìn)行監(jiān)督，保證最終結(jié)果的可靠性。二是基于大規(guī)模數(shù)據(jù)，深度學(xué)習(xí)算法可靠性隨著訓(xùn)練數(shù)據(jù)規(guī)模的增加而增加。

3.4 重癥知識(shí)庫(kù)及大數(shù)據(jù)分析

參照MIMIC數(shù)據(jù)模型建立重癥大數(shù)據(jù)體系，實(shí)現(xiàn)重癥知識(shí)庫(kù)、病情診斷規(guī)則庫(kù)等，自動(dòng)生成重癥知識(shí)圖譜。采用人工智能方法實(shí)現(xiàn)智能治療干預(yù)需要建立知識(shí)庫(kù)，在事實(shí)知識(shí)基礎(chǔ)上抽象規(guī)則庫(kù)，通過(guò)規(guī)則引擎生成規(guī)則并下發(fā)給實(shí)時(shí)監(jiān)控系統(tǒng)，改變監(jiān)控系統(tǒng)監(jiān)測(cè)規(guī)則?？蓪?shí)現(xiàn)多維度數(shù)據(jù)挖掘分析，深度洞察用戶數(shù)據(jù)精細(xì)化統(tǒng)計(jì)分析，秒級(jí)處理、實(shí)時(shí)更新、支持私有化部署的數(shù)據(jù)分析工具。商務(wù)智能數(shù)據(jù)分析平臺(tái)對(duì)結(jié)構(gòu)化數(shù)據(jù)進(jìn)行整理形成可視化數(shù)據(jù)集市，為用戶提供高效、直觀的數(shù)據(jù)呈現(xiàn)。

3.5 分布式實(shí)時(shí)流處理

分布式實(shí)時(shí)流處理框架是實(shí)時(shí)處理高并發(fā)、擁有時(shí)間屬性大數(shù)據(jù)流事件的開(kāi)源框架，當(dāng)前主流框架有Apache旗下的Storm框架、SparkStreaming等。研發(fā)重點(diǎn)在如何降低部署成本，規(guī)則靈活下發(fā)等[7-8]。

4 設(shè)計(jì)與應(yīng)用

4.1 基于AECOPD的AI決策系統(tǒng)設(shè)計(jì)

4.1.1 概述 基于ICU常見(jiàn)疾病慢性阻塞性肺疾病(Chronic Obstructive Pulmonary Disease，COPD)研究人工智能診斷系統(tǒng)在疾病輔助診斷、治療方案提供及智能提醒中的應(yīng)用。COPD是一種以持續(xù)氣流受限為特征的可預(yù)防和治療的常見(jiàn)疾病，氣流受限進(jìn)行性發(fā)展與氣道和肺臟對(duì)有毒顆?；驓怏w的慢性炎性反應(yīng)增強(qiáng)有關(guān)，其致殘率和病死率較高。慢性阻塞性肺疾病急性加重 (AECOPD) 是COPD 疾病進(jìn)展過(guò)程中的重要特征，反復(fù) AECOPD使患者肺功能呈進(jìn)行性下降，增加病死率。通過(guò)指標(biāo)量化實(shí)時(shí)監(jiān)測(cè)患者病情變化，如呼吸頻率、血?dú)夥治觥⒑粑δ?、胸片、血培養(yǎng)指標(biāo)等，對(duì)AECOPD發(fā)病診斷有重要意義。

4.1.2 業(yè)務(wù)流程及技術(shù)路線 通過(guò)建立病因?qū)虻亩鄬W(xué)科協(xié)作急性呼吸衰竭規(guī)范化治療路徑，研發(fā)基于人工智能的呼吸支持治療體系輔助AECOPD診療。AI實(shí)現(xiàn)診斷干預(yù)AECOPD核心技術(shù)在于算法。機(jī)器通過(guò)深度學(xué)習(xí)模擬醫(yī)生診療過(guò)程，而深度學(xué)習(xí)是一種基于數(shù)據(jù)進(jìn)行表征學(xué)習(xí)的人工智能算法。將AI算法結(jié)合醫(yī)院臨床數(shù)據(jù)采集系統(tǒng)與AECOPD診斷規(guī)則，通過(guò)深度學(xué)習(xí)訓(xùn)練大量臨床數(shù)據(jù)，可自動(dòng)生成可靠性較高的治療方案和更適合患者的監(jiān)護(hù)策略，在應(yīng)用過(guò)程中通過(guò)醫(yī)生反饋操作不斷進(jìn)行監(jiān)督式學(xué)習(xí)，最終可無(wú)限貼近專業(yè)醫(yī)生判斷。達(dá)到機(jī)器干預(yù)治療的效果，見(jiàn)圖1、圖2。

圖1 AI決策系統(tǒng)智能干預(yù)業(yè)務(wù)流程

圖2 AI決策系統(tǒng)智能干預(yù)技術(shù)路線

4.2 系統(tǒng)實(shí)現(xiàn)

4.2.1 特點(diǎn) 基于AECOPD的AI決策系統(tǒng)具有以下特點(diǎn)：根據(jù)AECOPD業(yè)務(wù)規(guī)則建立有監(jiān)督式的深度學(xué)習(xí)模型；通過(guò)大量臨床數(shù)據(jù)訓(xùn)練深度學(xué)習(xí)模型，根據(jù)當(dāng)前患者的監(jiān)護(hù)參數(shù)自動(dòng)生成治療方案、監(jiān)護(hù)策略；利用大量訓(xùn)練深度學(xué)習(xí)模型，通過(guò)分析預(yù)測(cè)可實(shí)現(xiàn)患者病情危急的提前預(yù)警。

4.2.2 人工智能實(shí)時(shí)監(jiān)測(cè)方案 實(shí)時(shí)監(jiān)測(cè)重癥科室患者源數(shù)據(jù)(包括監(jiān)護(hù)儀、呼吸機(jī)、實(shí)驗(yàn)室、胸片或CT實(shí)時(shí)數(shù)據(jù)及護(hù)理記錄及病程記錄等，參數(shù)包括呼吸頻率、動(dòng)脈血壓)。每個(gè)監(jiān)測(cè)參數(shù)設(shè)置標(biāo)準(zhǔn)范圍，警報(bào)系統(tǒng)一旦獲取預(yù)警異常立即提醒醫(yī)生或護(hù)士及時(shí)查看病人相關(guān)疑似診斷監(jiān)測(cè)信息。一旦確診為AECOPD，AI決策系統(tǒng)提供智能干預(yù)方案由醫(yī)生確認(rèn)，醫(yī)生若修改AI方案則要提供修改依據(jù)以供機(jī)器學(xué)習(xí)，方案制定后自動(dòng)生成護(hù)理方案?；颊叽_診為AECOPD后實(shí)時(shí)監(jiān)測(cè)相關(guān)參數(shù)根據(jù)方案進(jìn)行調(diào)整，監(jiān)測(cè)符合條件后系統(tǒng)再次生成新干預(yù)方案和監(jiān)測(cè)方案給醫(yī)生確認(rèn)直到患者康復(fù)。系統(tǒng)設(shè)定需要搶救的參數(shù)危急報(bào)警閾值，一旦發(fā)生危急值立即報(bào)警搶救。AECOPD治療包括霧化治療、機(jī)械通氣、抗生素使用等，監(jiān)測(cè)警報(bào)算法優(yōu)先依據(jù)指南規(guī)則(《慢性阻塞性肺疾病急性加重診治中國(guó)專家共識(shí)(2013版)》)，結(jié)合臨床病歷大數(shù)據(jù)分析形成最優(yōu)治療路徑。

4.2.3 系統(tǒng)構(gòu)成 (1)輔助診斷。根據(jù)檢查結(jié)果實(shí)時(shí)彈出異常，提示輔助檢查建議，展示所有相關(guān)輔助檢查信息，包括生命體征、胸片、血?dú)夥治?、呼吸功能、血常?guī)、心肌酶及電解質(zhì)、培養(yǎng)結(jié)果。支持導(dǎo)入病程記錄。(2)輔助鑒別診斷。根據(jù)患者輔助檢查結(jié)果及生命體征等監(jiān)控參數(shù)做出異常提示，依據(jù)系統(tǒng)知識(shí)庫(kù)顯示所有可能診斷，自動(dòng)計(jì)算符合百分率，輔助醫(yī)生做出診斷及鑒別診斷。(3)輔助治療。系統(tǒng)根據(jù)輔助檢查結(jié)果支持基于治療方案的機(jī)械通氣及參數(shù)、藥品名稱及劑量設(shè)置，支持導(dǎo)入醫(yī)囑等功能。(4)治療目標(biāo)監(jiān)測(cè)。通過(guò)設(shè)置治療目標(biāo)及監(jiān)測(cè)參數(shù)，實(shí)時(shí)監(jiān)測(cè)患者病情變化，出現(xiàn)異常提示修改治療方案，如達(dá)到治療目標(biāo)提示完成治療。

5 結(jié)語(yǔ)

本研究利用MIMIC數(shù)據(jù)庫(kù)訓(xùn)練AI獲得診斷預(yù)測(cè)模型，通過(guò)醫(yī)院數(shù)據(jù)庫(kù)進(jìn)行治療方案模型訓(xùn)練，利用大數(shù)據(jù)進(jìn)行進(jìn)一步統(tǒng)計(jì)分析。醫(yī)護(hù)人員在大數(shù)據(jù)和人工智能算法幫助下，結(jié)合臨床經(jīng)驗(yàn)?zāi)軌蚋玫亟鉀Q醫(yī)學(xué)難題、提升服務(wù)效率。同時(shí)大數(shù)據(jù)分析可發(fā)現(xiàn)敏感度和特異度更好的綜合監(jiān)測(cè)指標(biāo)，從而提高對(duì)嚴(yán)重并發(fā)癥的預(yù)判能力，及早采取相應(yīng)治療措施，改善重癥患者預(yù)后。人工智能技術(shù)引入醫(yī)學(xué)系統(tǒng)存在一些問(wèn)題值得思考，構(gòu)建規(guī)范統(tǒng)一的醫(yī)學(xué)信息系統(tǒng)、設(shè)計(jì)實(shí)現(xiàn)針對(duì)特定疾病的智能導(dǎo)診輔助就醫(yī)系統(tǒng)都需要專業(yè)醫(yī)學(xué)知識(shí)和豐富臨床經(jīng)驗(yàn)支持，因此經(jīng)驗(yàn)豐富的醫(yī)生與醫(yī)學(xué)專家的參與和指導(dǎo)至關(guān)重要?，F(xiàn)階段雖然眾多臨床醫(yī)生期待人工智能帶來(lái)新的診療方式，但由于臨床診療任務(wù)繁重，難以投入大量時(shí)間與精力參與相關(guān)研究。醫(yī)療技術(shù)變革仍需跨領(lǐng)域協(xié)作組織和激勵(lì)政策，可成立創(chuàng)新中心，實(shí)施有效的“產(chǎn)學(xué)研”一體化策略，推動(dòng)人工智能領(lǐng)域快速健康發(fā)展。