文章来源：希望之城
希望之城正在使用人工智能（AI）来改变医学实践模式，以超出人类能力的准确性预测患者在治疗过程中可能发生的特定事件。
目前，希望之城采用了三个内部构建的 AI 模型，分别用于败血症、手术并发症以及姑息治疗 90 天内的死亡风险。
预测性 AI 模型以机器学习能力（训练一种通过处理从匿名病例中提取的数百万个数据点集来识别模式的算法）为基础。当获取到有关当前患者的实时信息（如生命体征、实验室测试或扫描）时，AI 就能在几毫秒内将重新计算的预报、风险评分和 AI 解释提供给患者的护理团队。
希望之城应用 AI 及数据科学执行董事 Nasim Eftekhari 女士解释了为什么应用 AI 在患者护理方面取得了如此重大的进步。
多年的业内调研已经证实了 AI 的预测能力，而希望之城在使 AI 成为临床护理日常组成部分方面处于领先地位。
「许多组织和学术中心已经开发并发表了关于机器学习预测模型的研究论文。我们所做工作的开创性部分是关闭从数据到现实世界证据再到行动的循环，并根据临床医生的反馈和这些模型在行动中产生的新数据对这些模型不断进行监控和优化。」她说。
主要挑战不在于开发这些算法，而在于弄清楚如何存取和处理实时患者信息，然后向医务人员提供及时有效的反馈，并监控和优化效果。解决方案是将这些 AI 模型与希望之城的电子病历系统 Epic（每位临床医生的工作环境）相结合。
AI 模型会自动从 Epic 获取所有新的患者信息。然后生成预测、解释和推荐方案，并在几毫秒内为护士、医生和护理团队的其他成员显示更新的结果。
败血症模型
败血症是一种在毫无征兆的情况下患病（最常见的病因是感染）并且发展非常迅猛，以至于在数小时内可能导致严重的器官损伤，甚至死亡。
最容易感染败血症的是骨髓移植患者。在干细胞移植之前，患者必须接受化疗或放疗，移植后，他们的免疫系统为了防止排斥反应而受到抑制。
5% 到 10% 的移植患者会发生败血症，他们的预后不良风险非常高。更重要的是，这些免疫功能低下的患者在发展为严重的败血症之前可能没有发烧或其他感染迹象。
多年前，希望之城的血液学家兼肿瘤学家 Ryotaro Nakamura 医学博士就已经对使用 AI 来预测移植患者败血症的可能性感到极大的兴趣，但他的研究兴趣并没有得到科学期刊的发表。
「我阅读《华尔街日报》时注意到这样一个信息，日本有一座火山爆发，人们就可以通过一个计算机程序分析出美国股票是上涨还是下跌。所以我在一次部门会议上建议，也许我们可以有一种算法来预测败血症的风险。但在当时，这是一个非同寻常的想法，大家只是盯着我，一言不发。」血液学及造血细胞移植 Jan & Mace Siegel 研究所教授 Nakamura 说道。
尽管如此，这一想法始终留在了 Nakamura 博士脑海里。终于，他找到了一位亲密的盟友和合作伙伴——传染病科教授兼主任
Sanjeet Dadwal 医学博士。Sanjeet Dadwal 博士的专业知识对于创建败血症模型至关重要。他们与应用 AI 和数据科学团队以及引领败血症模型开发的 Eftekhari 博士一起努力工作。目前，该模型现已在希望之城使用了近两年。
Dadwal 博士解释说:「我们会定期对患者进行监测，机器会根据 ROC 曲线为患者的败血症概率打分。如果 Epic 屏幕上出现黄色或红色警报，我们将密切关注患者，并可能根据临床情况对抗菌药物进行调整。」
由于败血症可能在任何症状变得明显之前就已经形成，因此该 AI 模型的反馈可以挽救患者生命。
预测手术并发症
「作为一名外科医生，我会非常关注手术可能产生的并发症，从出血和未愈合的伤口到肺炎、心脏事件、残疾，甚至死亡。因此需要有更好的方法来预测术后并发症风险帮助患者进行术前优化，并改善患者和家属的知情同意程序。」希望之城结直肠外科医生 Lily Lau Lai 医学博士说道。
这一想法促使 Lai 博士提出了一种针对手术并发症的 AI 模型。
尽管已有发表和经过验证的可评估术后并发症风险的模型，但它们对希望之城的患者人群来说并不理想。
「例如，美国外科医师学会 NSQIP 手术风险计算器是基于大多数非癌症患者而开发的，并且这个计算器专门针对的是单个器官手术带来的风险。我们经常有病人需要同时对多个器官进行手术。因此，这一计算器对我们来说不是很精准。」Lai 博士说。
2021 年 11 月希望之城的 AI 手术并发症模型上线，Lai 博士认为这是一个不可或缺的工具。
对此，她感慨道：「处理数百万比特的信息，远远超过人类大脑的能力，真的是一件令人惊讶的事情。用风险评分来分析这些数据，只会帮助我们做出更好的决策。」
90 天死亡率预测
当人们第一次听说 AI 模型可以预测 90 天内的死亡率时，他们的反应几乎总是「天啊，太不可思议了！」
然而，现实并不像看起来那么令人震惊。即使没有 AI，医生也必须评估死亡率，以便提供最好的医疗和提前护理计划。
「这是关于病人核心需求和价值观的问题。尊重患者的选择是我们的关键目标，我们会努力通过对话和高质量的预先指示来理解和捕捉这些偏好。我们鼓励使用由加州大学旧金山分校研究人员开发的『Prepare for Your Care』工具。这款工具对老年人友好，使用简单，还将生成详细的指示输入到我们的电子病历系统中。」帮助开发 AI 模型的姑息治疗医生 Finly Zachariah 博士说道。
然而，从过去来看，病人的这些偏好常常被忽视。加州医疗保健基金会 (California Healthcare Foundation) 曾发起过一项询问「如果能选择死亡的地点，你会选择哪里」的研究。70% 的人表示他们更愿意选择在家中，但实际上只有 32% 的死亡发生在家里，42% 的发生在医院，剩下 18% 在养老院。其中有一个原因就是尽管近 80% 的人表示他们想和医生谈谈自己的临终愿望，但只有 7% 的人真的这么做了。
临近生命终点的患者也需要做出治疗选择，这通常是关乎他们生命长度和质量的决定。
「我们很显然希望最大限度地增加新疗法和临床试验的可用性，但是当所剩时间可能很短暂的时候，一个人是想承担治疗的重负还是宁愿在家里和所爱的人呆在一起？患者就像是一艘船的船长，我们想要尊重他们的价值观、偏好和优先事项，并确保他们能够得到想要的治疗选择和护理服务。」Zachariah 博士说。
未来的呼唤
Eftekhari 博士表示：「部署前三个模型为我们提供了基础架构、流程和策略，可以用更少的时间和精力开发和部署更多模型。」
患者体验预测模型是一个正在进行的项目，该模型将考虑诸多患者变量因素，包括人口统计、社会经济因素、语言障碍以及无法及时获得护理团队帮助的其他数据。
其他 AI 模型也在开发中，有望帮助发现关于基因突变的未知因素以及阐明医学图像中的微妙细节。这些模型可能会对像为什么具有相同疾病和人口统计特征的两名患者会对相同的治疗产生不同的反应等未解之谜做出解释。
那么 AI 会取代医生吗？绝对不会！
AI 模型是帮助临床医生做出决策的强大工具，但患者的病情还有很多方面无法量化。
对此，Dadwal 博士说道：「AI 终究不是一位拥有多年床边经验、积累丰富知识和了解每位患者真实生活经历的医生。这是机器无法学习的，也是医学之所以成为艺术的地方。」
好文章，需要你的鼓励
