人工智能走进重症监护室:可预测病人死亡,准确率达93%

发布者:乡村乐园最新更新时间:2017-04-10 关键字:人工智能  医疗 手机看文章 扫描二维码
随时随地手机看文章

医院对于自家的重症监护室(ICU),往往有一个不成文的期望:减少“在病床上去世”事件的发生。这种想法乍一听有点奇怪,但可以理解。下面就随医疗电子小编一起来了解一下相关内容吧 。

人工智能走进重症监护室:可预测病人死亡,准确率达93%

这个期望可能很快就能实现了。基于监测患者生命体征各种设备所提供的实时数据,ICU似乎是人工智能工具的完美使用场景,可以用来判断患者的实时病情以及病情何时可能恶化。

ECRI研究所的Priyanka Shah说:“很多医院都有兴趣开发早期预警系统,来预测脓毒症、心脏骤停和呼吸停止等威胁生命事件的发生。”ECRI研究所是一个为医疗保健行业评估医疗程序、设备和药物的非营利机构。

学术研究人员和医疗设备公司现在都试图找出,哪些医疗设备的组合可以提供患者病情恶化的最佳测量指标。Shah说,里解决这个技术挑战之后,研究人员还必须通过实验证明这个工具的“临床意义”。也就是说,不仅要证明技术的有效性,而且要证明接下来该技术可以被整合到医院的工作流程中,为医院节省开支。

在ICU智能化的任务中,最艰巨的部分是说服医疗行业相关人员,包括FDA监管者、思维已定型的临床医生和想省钱的医院管理人员。因为从技术方面来看,这方面的研究大有前途。

PICU中的生死预测

儿科重症监护室(PICU)内的场景,总是让人心痛。

在新生儿病房里,脆弱的新生儿躺在被机器和屏幕包围的塑料恒温箱内。在病房里,孩子们连接着管子进行静脉注射,他们勇敢的微笑和明亮的卡通壁画相映衬。

 


 人工智能走进重症监护室:可预测病人死亡,准确率达93%

在洛杉矶儿童医院,数据科学家Melissa Aczon和David Ledbetter提出了一种人工智能系统,这个系统可以让医生们更好地了解,哪些孩子的病情可能会恶化。

Aczon和Ledbetter都在一个名为“虚拟PICU”的医院研究部门内工作。在这里,他们和那些渴望看到操作上有改进的临床医生合作,共同开发这个人工智能系统。Aczon说:“他们的观点是,在ICU里,医患之间的接触一直在发生,并产生数据。我们有道德责任从这些病例中学习,并将所学到的经验来更好地治疗接下来的患者。”

他们想从训练一个能够进行精确预测的AI系统开始,所以,他们设计了一个预测PICU死亡率的实验系统。他们从医院电子健康记录获取孩子的生命体征数据(通常每隔几分钟测量一次),已有的实验室检测结果、用药信息和执行的治疗方案等。

他们使用了PICU里超过12,000名患者的健康记录,机器学习程序在数据中发现了相关规律,成功识别出了即将死亡的患者。该程序预测死亡的准确率达到了93%,明显比目前在医院PICU中使用的简单评级系统表现更好。Aczon和Ledbetter在Arxiv上发表了相关论文,公布了他们的研究成果。

他们实验的创新点是使用了一种叫做循环神经网络(RNN)的机器学习方法,这种方法擅长处理持续的数据序列,而不是从某一个时刻的数据点直接得出结论。“RNN网络是处理临床数据序列的一种有效方法,”Aczon说,“它能够整合新产生的信息序列,得到准确的输出。”所以在程序中,RNN网络表现得更好,因为它能够随着时间的推移,根据病人最近12小时的临床数据,做出最准确的预测。

虽然这个系统还处于实验阶段,但Aczon和Ledbetter提到,这样的工具将在PICU中有很大的用途。当然,如果这个死亡率预测软件在医院投入使用,医生不会满足于只是获得病人的死亡风险评分。“风险评估只是第一步,”Ledbetter说,“一旦你知道了病人将会发生什么,你就可以基于患者病情思考如何进行干预和防止患者病情恶化情况的发生。”

预防ICU危机

还有专门的公司,在试着把机器学习用到ICU里。

AreteX系统公司的联合创始人Wassim Haddad提到:“我们的使命是在ICU单元里通过自动进行重症监护,来降低死亡率。”该公司即将更名为AutoMedica,专注于优化ICU护理的两个重要部分,分别是通过机械呼吸机管理患者的呼吸量,以及管理静脉注射的实时液体量。

Haddad还提到,在美国,每年有570万人被收入ICU,其中有230万人需要机械呼吸机帮助他们呼吸,但是这里面的约80万人会遇到通气机不同步的问题。“如果他们没有足够镇静,他们往往和呼吸机进行对抗,”Haddad解释说,“如果他们想吸气,但机器说,不,你要呼气,这样的矛盾情况可能导致患者极度焦虑。”

△ 呼吸治疗师在帮助使用机械呼吸机的病床患者进行呼吸

AreteX公司的工程师创建了一个机器学习工具,这个工具可以根据患者呼吸机的数据来识别不同类型的呼吸同步情况。这个系统能够发送警报给护士或呼吸治疗师,能够紧急为患者加强镇静作用,防止患者与呼吸机进行对抗。该公司最近在东北乔治亚医学中心开始进行临床试验,来测试该系统的临床性能。

目前的解决方案只是刚完成了公司使命的第一步。“我们希望我们的技术不只是作为现在医院的临床决策支持,”Haddad说,“而是将来能够作为一个完全自动化的系统,可以自主改变呼吸机的起搏。”然而,为了到达那个阶段,我们需要做大量的临床试验,来向监管机构和谨慎的医院管理者证明该系统的安全性。

AreteX公司还有一个类似的程序,可以监测大多数ICU患者通过静脉注射可以接受的液体量,来增加患者血液容量和升高患者血压。Haddad还说:“目前的液体管理程序效率不高。通常是医生给护士一个命令,进行手动改变注射速率。几个小时后,医生再重新评估病人来制定注射的液体量。”要提到的是,ICU的工作人员必须小心平衡好这个液体量的关系,因为患者很容易休克,同时容易受到由于太少或太多的注射液体量引发的严重并发症。

Haddad研发的这个系统,采用机器学习方法来测量患者对正在使用的流体注射量的持续响应,随时间改变注射量来保持患者的病情稳定。AreteX公司目前在东北乔治亚医学中心测试这个流体管理系统。

Haddad还说:“随着美国人口的老龄化,能够在急诊室和ICU工作的应急临床医生紧缺,实现自动化可能是唯一的解决方法。如今85岁以上的人群有300万,到2030年将达到900万,这将给国家的ICU带来巨大的压力。”

以上是关于医疗电子中-人工智能走进重症监护室:可预测病人死亡,准确率达93%的相关介绍,如果想要了解更多相关信息,请多多关注eeworld,eeworld电子工程将给大家提供更全、更详细、更新的资讯信息。

关键字:人工智能  医疗 引用地址:人工智能走进重症监护室:可预测病人死亡,准确率达93%

上一篇:纳米机器人“霸气侧漏”!可以送药、手术、解毒
下一篇:王健林:将在全国万达广场开300家诊所

推荐阅读最新更新时间:2024-03-16 12:07

深度学习发威 人工智能为智能医疗添动能
人工智能持续展现其惊人的数据筛选能量。NVIDIA近期表示,该公司致力于新药开发的合作伙伴benevolent.ai,藉由内建GPU训练系统的人工智能计算机,在短短一个月内,便找出两种阿兹海默症药物的模型。明显增进科学家研究效率,为医疗体系的智慧化再添动能。 研究机构IDC指出,到了2020年,80%的大数据与分析部署,将需要分布式的微分析,而有40%的公司分析软件中,将会包含基于认知运算功能的标准型分析。上述趋势,皆需要在现有运算能力上,有戏剧性的突破,而其很有可能将会由GPU来作驱动。 NVIDIA 解决方案工程架构经理康胜闵表示,NVIDIA在五年前开始投入深度学习领域,将影片、图片、文字,透过深度学习的过程,让计算机学习到
[医疗电子]
中国医疗设备市场成为电源制造商独特机会
  IMSResearch认为,医疗设备市场可以方便地分成两块,分别是大型设备市场和小型/便携设备市场。大型医疗设备主要包括核磁共振成像设备(MRI),CT扫描仪和X光机,这些设备中使用的电源通常是高功率密度的开放式AC/DC电源和板载式DC/DC电源;而小型和便携式设备主要生命体征监测仪、心脏监测仪、呼吸机、血液分析仪和超声诊断设备,这些设备通常使用开放式电源或外部电源适配器。   在中国,销往医疗设备市场的电源将保持快速稳步增长。根据IMSResearch的最新研究,到2012年,该市场将增至1.36亿美元。尽管在所有的应用领域中,医疗行业占电源市场的比重还很小,但该行业将保持高达19%的最快的年平均复合增长率。   分析
[医疗电子]
卫生部:医疗器械故障应立即“待岗”
  卫生部日前引发了《医疗器械临床使用安全管理规范(试行)》,从多方面对医疗器械临床使用定出规矩。《规范》要求,发生医疗器械临床使用安全事件或者医疗器械出现故障,医疗机构应当立即停止使用,经检修仍达不到标准的,不得再用于临床。   为加强医疗器械临床使用安全监管工作,保障医疗质量安全,《规范》从临床使用前评估、临床使用管理、临床保障管理等方面对医疗器械临床使用定出规矩。   《规范》要求,发生医疗器械临床使用安全事件或者医疗器械出现故障,医疗机构应当立即停止使用,并通知医疗器械保障部门按规定进行检修;经检修达不到临床使用安全标准的医疗器械,不得再用于临床。   医疗机构临床使用医疗器械应当严格遵照产品使用说明书、技术操作规范
[医疗电子]
英特尔 混合架构了人工智能芯片
英特尔在2019年发布了两款Nervana NNP系列新的处理器,目的在于加速人工智能模型的训练。据悉,英特尔的这两款芯片是以2016年收购的Nervana Systems命名,在人工智能训练以及数据分析等方面有着极大的价值。 而英特尔与英伟达作为AI芯片竞争的主要成员,均在AI领域奋起发力,其中,英特尔主导AI推理市场,而英伟达主导AI训练芯片。 但是用于神经网络处理的加速器系统,仍然存在着许多问题,例如由于与从存储器到数字处理单元的数据传输的带宽限制而导致的问题,这些加速器通常需要在片外存储器和数字处理单元之间传输大量数据,而这种数据传输会导致延迟和功耗的不良增加。 为此,英特尔在2020年7月30日申请了一项名为“混合CPU
[手机便携]
英特尔 混合架构了<font color='red'>人工智能</font>芯片
Qualcomm强化其人工智能领域研究地位 阐释未来愿景
  8月16日, Qualcomm  Incorporated子公司 Qualcomm  Technologies, Inc.于今日阐释了其 人工智能 愿景——即以无处不在的终端侧 人工智能 对云端 人工智能 实现补充。下面就随网络通信小编一起来了解一下相关内容吧。     在我们预想中的世界里,人工智能将使终端、机器、汽车和万物都变得更加智能,简化并丰富我们的日常生活。自2007年, Qualcomm 开始探索面向计算机视觉和运动控制应用的机器学习脉冲神经方法,随后还将其研究范围从仿生方法拓展到了人工神经网络——主要是深度学习领域。时至今日,Qualcomm Technologies宣布收购专注于前沿机器学习技术的阿姆斯特丹大
[网络通信]
2018年安防行业人工智能拉锯战刚刚拉开帷幕
在新工业革命的背景下,数据、计算力、算法和网络设施等快速迭代,正驱动人工智能进入新阶段。而人工智能由于巨大的技术溢出效应,将推动战略新兴产业总体突破,是各国必争的新动能、新机遇、新引擎。 近一年来,虽然 安防 行业的自身格局已经趋于平和,但在行业面临技术变革的当前,这样的安稳的局面被打破也是迟早的事。颠覆一个行业的永远不是内行人,已经成为了各行各业无法摆脱的“魔咒”,而这些暗涌也让安防厂商开始新一轮的布局——企业整并、曲线上市、建立海外研发中心、生态建设等一系列新的举措层出不穷,为了能在智能时代拔得头筹,意识到这不是单纯的安防的战场,才能真正在“多元化”及“多极化”的商场上从容不迫。 AI时代下安企的机遇与挑战 在《全球人工智
[安防电子]
通用机器人不再遥远,谷歌展示全球首个多任务AI智能体
近日,谷歌旗下的AI团队DeepMind推出了一个可以自我改进、自我提升的用于 机器人 的AI智能体,名为RoboCat。 RoboCat本质上是由AI赋能的软件程序,可以作为机器人的“大脑”,由其加持的机器人与传统机器人不同之处在于,RoboCat机器人更具“通用性”,并可实现自我改进、自我提升。 DeepMind称,RoboCat是全球第一个可以解决和适应多种任务的机器人AI智能体,并且它可以在各类真实的机器人产品上完成这些任务。 据DeepMind的介绍,只需要通过100次左右的演示,RoboCat就可以学会操控 机械臂 来完成各式各样的任务,然后通过自生成的数据来进行迭代改进。 要知道,构建通用机器人之所以进展缓慢,一个重
[机器人]
RPA突然火了?成为资本宠儿的背后
RPA为什么突然火了? 两个月前,RPA还是个冷门领域,整个中国的ToB圈儿也没有太多人了解RPA。可就在这短短的两个月,RPA一下成了资本的宠儿、新兴的风口,成为火得不能再火的领域! 一个行业突然火热,肯定有火热的道理,可这种火热到底是资本造出来的,还是RPA真的有用,倒是令我们心生疑惑。 不过,在读本文之前,恐怕很多小伙伴还不清楚RPA是什么。所以,我们有必要在解答这些问题之前,给大家扫个盲。 01 什么是RPA? RPA是智能化软件,可以理解为自动化机器人。只要预先设计好使用规则,RPA就可以模拟人工,进行复制、粘贴、点击、输入等行为,协助人类完成大量“规则较为固定、重复性较高、附加值较低”的
[嵌入式]
RPA突然火了?成为资本宠儿的背后
小广播
添点儿料...
无论热点新闻、行业分析、技术干货……
最新医疗电子文章
换一换 更多 相关热搜器件
随便看看

About Us 关于我们 客户服务 联系方式 器件索引 网站地图 最新更新 手机版

站点相关: 医学成像 家庭消费 监护/遥测 植入式器材 临床设备 通用技术/产品 其他技术 综合资讯

词云: 1 2 3 4 5 6 7 8 9 10

北京市海淀区中关村大街18号B座15层1530室 电话:(010)82350740 邮编:100190

电子工程世界版权所有 京B2-20211791 京ICP备10001474号-1 电信业务审批[2006]字第258号函 京公网安备 11010802033920号 Copyright © 2005-2024 EEWORLD.com.cn, Inc. All rights reserved