杜克大学医院将正式启用Sepsis Watch对抗脓毒症

不受欢迎的访客：扫描电子显微照片显示了红细胞和血小板（蓝色）之间的芽孢杆菌（粉色棒状）。

在医院里，医生和护士会密切关注患者的生命体征和血液检测结果，以发现脓毒症的最初症状。患这种威胁生命的疾病时，身体以全身炎症的方式对感染做出反应，从而导致器官衰竭。情况会迅速发展为重症脓毒症，然后发展为脓毒性休克（在美国，脓毒性休克患者的死亡率接近50%）。

但即使是最警觉的人也会疲劳，会犯错误，会看漏不易察觉的图案。这就是几家医院正在试用人工智能脓毒症检测仪的原因。研究人员表示，随着电子医疗记录和警报的数据被整合到医生的工作流程中，这些试点项目是AI融入到医院运营的第一批实例。

下个月（即11月；本文的英文原文发表于10月），位于北卡罗来纳州达勒姆的杜克大学医院将正式启用Sepsis Watch，它是一个基于AI的系统，可以识别出早期脓毒症病例并发出警报。医院将最先把它部署在急诊室，然后扩展到综合病房和重症监护室。杜克大学健康创新研究所（Duke Institute for Health Innovation）主任、该项目的领导者之一Suresh Balu说：“最重要的是在患者进入ICU前及早发现其有脓毒症症状。”

Sepsis Watch通过深度学习进行训练，根据（包括生命体征、实验室检测结果和病史等）几十个变量来识别病例；其训练数据包括5万份患者记录，3200多万个数据点。在运行时，它每5分钟从患者的医疗记录中提取一次信息，以评估他们的状况，从而可提供人类医生无法提供的密集的实时分析。如果AI系统确定患者符合脓毒症早期症状的标准，它就会向医院快速反应团队的护士发出警报。

该研究所的内科医生及数据科学家Mark Sendak说，人工智能并不能做所有的事情。当快速反应护士赶到患者的床边时，他们的工作就是决定是否解除警报，将患者放在观察名单上，还是与医生讨论开始治疗。如果确定患者需要开始治疗，Sepsis Watch系统还将指导工作人员按清单完成“拯救脓毒症运动”（Surviving Sepsis Campaign）这一全球倡议所建议的治疗步骤，包括在最初3小时内进行的血液检测和药物治疗。“该模型检测脓毒症，”Sendak说，“但该应用的大部分功能还是集中在完成治疗上。”

Sendak表示，他们的团队仔细考虑了该系统的用户界面以及警报如何适应现有工作流程。临床医生持谨慎态度，担心会对他们的查房工作增加干扰：Sendak说，杜克大学医院在2015年试用的另一个用于识别脓毒症病例的早期预警系统有时会针对一名患者每天发出100次警报。

杜克大学医院的这个Sepsis Watch系统不是第一个被送到医院去用的基于人工智能的脓毒症检测仪。该荣誉属于在宾夕法尼亚大学医院用过的一个早期预警系统，该医院的医学副教授Craig Umscheid解释说。他的团队于2016年初启用了那个系统，并于2017年将其停用。Umscheid表示，该系统根本没有提高护理质量或改善患者情况——部分原因是因为它确定出可能的脓毒症患者之前，医务人员已经注意到了这些患者。“识别未预料到的病例的机会低于你的预期，”Umscheid说。

约翰霍普金斯大学计算机科学助理教授Suchi Saria说，在巴尔的摩的约翰霍普金斯医院，类似的系统显示出了更好的结果。Saria的团队在2017年底启用人工智能系统，她说它运行得非常好，以至于他们准备将其扩展部署到其他四家医院。“我们看到护理方面发生了显著的变化，”她说，“情况突然恶化的病例减少了。”霍普金斯脓毒症检测仪可为不同的患者群体做量身定制（例如，它根据不同的标准评估免疫系统受损的患者），而且有针对医院不同部门进行优化的工作流程。

杜克大学的Sendak说，如果这些人工智能系统确实能改善护理质量，许多医院将迫切希望采用这项技术。从2018年7月开始，美国政府的“医院对比”（Hospital Compare）网站开始公布医院的有关记录数据，记录是关于为脓毒症提供的早期和适当的治疗的。“全国的平均水平约为50％，”Sendak说，“很多地方都在努力解决这个问题。”