人工智能可以为医院最严重的患者提供随时随地的护理

  在医院的重症监护病房(ICU),最严重的患者在躺在病床上时会得到全天候的护理,他们的身体与一群周围的机器相连。这种先进的医疗设备旨在让病人保持活力。静脉输液滴入血液,而机械呼吸机将空气推入肺部。附着在身体上的传感器跟踪心率,血压和其他生命体征,而床边监测器则以波浪形线条绘制数据。当机器记录超出正常参数的测量值时,会发出蜂鸣声和警报,以提醒医务人员注意潜在的问题。

  虽然这个场景充满了高科技,但这项技术并未被充分利用。每台机器都在监控机身的不连续部分,但机器不能协同工作。没有捕获或分析丰富的数据流。ICU团队关键护理医生,护士,呼吸治疗师,药剂师和其他专家不可能密切关注每个病人的床边。

  未来的ICU将更好地利用其机器及其产生的连续数据流。监视器不会孤立地工作,而是汇集他们的信息,以便向医生展示患者健康的全面情况。该信息还将流向人工智能(AI)系统,该系统将自动调整设备设置以使患者保持最佳状态。

  在我们位于新泽西州霍博肯的Autonomous Healthcare公司,我们正在为ICU设计和构建一些首批AI系统。这些技术旨在提供警惕和细致入微的护理,就好像专家每秒都在病人的床边,仔细校准治疗。这种系统可以减轻重症监护病房中负担过重的工作人员的负担。更重要的是,如果该技术可以帮助患者更快地离开ICU,它可以降低医疗保健的成本。我们最初关注的是美国的医院,但随着人口老龄化和慢性病患病率的增加,我们的技术在世界各地都很有用。

  好处可能是巨大的。在美国,ICU是医疗保健系统中最昂贵的组成部分。每天约有55,000名患者在ICU接受治疗,典型的每日费用从3,000美元到10,000美元不等。累计成本每年超过800亿美元。

  随着婴儿潮一代达到老年 [PDF],ICU变得越来越重要。今天,美国超过一半的ICU患者年龄超过65岁 - 预计人口组将从2014年的4600万增长到2030年的7400万。欧洲和亚洲的类似趋势使这成为一个世界性的问题。为了满足日益增长的急性临床护理需求,ICU需要增加其能力和能力。培训更多的重症监护专家是解决方案的一部分 - 但自动化也是如此。人工智能系统远非取代人类,可以成为医疗团队的一部分,允许医生和护士在最需要的时间和地点部署他们的技能。

  需要帮助呼吸的重症患者戴上机械呼吸机[1]。这些机器将空气推入肺部,但节奏可能与自然呼吸模式不同步,导致患者“对抗呼吸机。”智能控制系统可以读取气流测量[2]并识别不同类型的呼吸机异步[3] ]通过机器学习算法实时。在完全自主的系统中,自适应控制器[4]会不断调整呼吸机的气流,使其与患者保持同步。作为实现完全自治目标的一步,类似的系统可以用作ICU中的决策支持工具,提供呼吸治疗师可以用来进行调整的建议。

  在今天的ICU中,由于显示器屏幕每隔几秒刷新一次,因此来自床边监视器的数据通常会丢失。虽然一些先进的ICU现在正试图归档这些测量值,但他们仍然很难挖掘数据以获得临床见解。

  人类医生通常既没有时间也没有工具来理解快速积累的数据。但人工智能系统确实如此。它还可以根据数据采取措施,例如调整关键ICU任务中涉及的机器。在Autonomous Healthcare,我们首先关注可以管理患者通气和体液的AI系统。当患者镇静或患有肺衰竭(一种常见的ICU病症)时,机械呼吸机就会发挥作用。小心的液体管理可保持适当的血液流过患者的循环系统,从而确保所有组织和器官获得足够的氧气。

  我们的方法源于一个不太可能的来源:航空航天业。我们两个人,Haddad和Gholami,是航空航天控制工程师。我们在佐治亚理工学院的航空航天工程学院会面,Haddad是动力系统和控制教授,Gholami以前是博士研究员。贝利他于21世纪初加入合作,当时他是埃默里大学医学院的麻醉学副教授。Haddad和Bailey首先研究了控制方法,以便在手术室自动化麻醉剂量和分娩,我们在亚特兰大埃默里大学医院和乔治亚州盖恩斯维尔的东北乔治亚医疗中心进行了临床研究测试。然后我们将目光投向了ICU的更复杂和更广泛的控制问题。2013年,Haddad和Gholami成立了Autonomous Healthcare,将我们的AI系统商业化。Gholami是公司的首席执行官,Haddad是首席科学顾问,Bailey是首席医疗官。

  航空航天如何与医学相似?这两个领域都涉及大量数据,必须快速处理这些数据以便在生命中悬而未决时做出决策,并且两者都要求同时执行许多任务以保持平稳运行。特别是,我们看到反馈控制技术在重症监护医学中的作用。这些技术使用算法和反馈通过感测,计算和驱动来修改工程系统的行为。它们在飞行控制和空中交通管制的安全关键系统中无处不在。

  然而,飞机和医院病人之间存在重大差异。飞机的设计和控制基于完善的力学和空气动力学理论,而人体则涉及高度复杂的生物系统,这些系统以我们尚未完全理解的方式运作和相互作用。

  考虑机械通风的管理。由于直接创伤,肺部感染,心力衰竭或脓毒症等炎症综合征,ICU患者可能需要这种支持。呼吸机在迫使空气进入肺部并允许肺部被动放气之间交替。可以向上或向下拨打设备以完成所有工作或帮助患者自己的努力。

  人与机器之间的互动是一个微妙的事情。人体有自己的控制呼吸的自动机制,其中神经系统触发膈肌收缩并向下拉肺部,从而开始吸入空气。呼吸机必须使用这种固有的驱动器; 它应该与患者在吸气和呼气之间的自然过渡同步,并且应该与患者呼吸的自然空气量相匹配。

  不幸的是,患者的需求与机器的输送之间的不匹配都太常见,这可能导致患者“对抗呼吸机”。例如,患者可能自然需要更多的时间来吸气,但呼吸机过早地转换到呼气。机械通气的这种和其他同步问题与呼吸机的较长时间,ICU中的较长停留以及死亡风险增加有关。专家们还不知道为什么异步会产生这些不利影响,但是当机器将空气推入肺部时,患者在尝试呼气时显然会感到不适,并且他们的劳动肌肉会承受额外的工作量。在美国的ICU中,患有严重不同步的呼吸机的患者比例估计在12%至43%之间。

  解决这个问题的第一步是检测它。经验丰富的呼吸治疗师如果持续监测呼吸机显示屏上指示压力和流量的波形,就可以识别出不同类型的异步。但在ICU中,一名呼吸治疗师通常监督10名或更多患者,并且不可能不断监测所有患者。

  在我们公司,我们设计了一个机器学习框架,复制了人类在检测不同类型异步方面的专业知识。为了训练我们的系统,我们使用了呼吸机患者的波形数据集,其中每个波形都由一组临床专家进行评估。我们的算法学习了不同异步类型的特征 - 例如特定时间点的流信号中的特定倾角。在我们对算法性能的第一次评估中,我们专注于所谓的循环异步,这是最具挑战性的类型。呼吸机的呼气开始与患者自己的呼气不匹配。我们的算法在检测新数据集中的循环异步时的准确性与人类专家的准确性相匹配。

  我们现在正在东北乔治亚医疗中心的ICU测试该算法,以实时检测真实患者的呼吸异步性。该技术已被纳入临床决策支持系统,旨在帮助呼吸治疗师评估患者的需求。该框架还可以为研究人员提供工具,以更好地了解异步的根本原因及其对患者的影响。我们的长期目标是设计机械呼吸机,可根据每位患者的需求自动调整自己的设置。

  当您对ICU进行描绘时,您的心理图像可能包括患者在床边悬挂着塑料袋,液体不断通过IVs滴入静脉。大约75%的患者在ICU住院期间需要进行这种液体管理。

  然而,校准正确数量的流体远非精确的科学。仅跟踪患者的液体水平是一项艰巨的任务:没有现有的医疗传感器可以直接监测液体量,因此医生依赖间接指标,如血压和尿量。患者需要的液体量取决于他们的疾病和药物等。

  大多数ICU患者需要输液泵和静脉输液[1]将液体滴入静脉。获得正确的液体量至关重要:如果循环系统中的液位过低或过高,可能会出现严重的并发症。智能控制系统可以跟踪实时测量[2],如动脉血压和心脏泵血量; 然后,系统可以将数据输入生理模型[3],该模型表示流体如何穿过身体的血管和组织。在完全自主的系统中,自适应控制器[4]可以连续调节液体输入以保持患者稳定。最初,ICU医生可以将该技术用作提供建议的决策支持系统。

  对于脓毒症患者来说,获得正确的液体尤其重要,脓毒症是一种以全身炎症为特征的危及生命的综合症。在这些患者中,血管扩张,从而降低血压,并且液体从最细小的血管 - 毛细血管泄漏。结果,较少的携氧血液到达器官,这可能导致器官衰竭和患者死亡。医生通过分配药物来增强血压并将额外的液体泵入患者的循环系统来对抗败血症。

  重要的是加入足够的液体,但不要过多 - 过量会引起并发症,如肺水肿,肺部积液,可能会干扰呼吸。研究表明,体液超负荷与机械呼吸机停留时间更长,住院时间更长,死亡率更高有关。

  因此,医生的目标是将患者的体液维持在一定水平,这是基于普通患者的模型。当医生在他们的回合中通过ICU时,他们试图通过检查血液中的混合气体并监测血压和尿量来确定患者是否稳定在目标水平。决定何时添加液体以及添加多少是非常主观的,并且对最佳实践存在相当大的争议。

  人工智能系统可以做得更好。它不是根据为普通患者制定的目标做出决策,而是可以实时分析个体患者的各种生理指标,并根据患者的具体需求不断分配液体。

  在Autonomous Healthcare,我们开发了一个全自动系统,该系统可以间接测量患者的液体水平(例如血压和每次心跳抽出的血液量的变化),然后将数据输入复杂的生理模型。我们的系统使用这些测量值来评估流体在人体血管和组织之间的移动方式,并在新测量值进入时不断调整参数。我们的专有自适应控制器随后根据流量输入设置进行调整。

  我们技术的一个优点是它关注控制工程师所谓的闭环系统稳定性,这意味着对正常状态的任何扰动都只会导致小而短暂的变化。许多工程应用使用可确保闭环稳定性的控制系统 - 例如,当飞机遇到强大的湍流时,自动驾驶系统会进行补偿以使振动保持最小。然而,大多数医疗设备的控制系统都没有这样的保证。如果医生判断脓毒症患者的液体水平急剧下降,他们可能会将大量液体推入血液中,可能过度补偿。

  流入:为了防止ICU患者从输液泵中获取过多或过少的液体,Autonomous Healthcare的CLARC系统从循环系统获取读数。

  我们已经与兽医麻醉师和心血管生理学家William Muir合作测试了我们的自动化液体管理系统。与正在经历出血的狗一起工作,我们使用我们的系统来调节他们的液体输注。我们的系统成功地使狗保持稳定状态,通过每次心跳泵送的血液量来衡量。

  我们需要进行更多测试,以获得针对人类的全自动流体管理系统的监管批准。与我们在呼吸机管理方面的工作一样,我们可以从为ICU建立决策支持系统开始。这种“人在循环”系统将向临床医生提供信息和建议,然后临床医生将相应地调整输液泵的设置。

  除了通风和液体管理之外,可自动化的患者护理的其他关键方面包括疼痛管理和镇静。在未来的ICU中,我们设想许多此类临床操作由AI系统监控,协调和控制,AI系统评估每个患者的生理状态并实时调整设备设置。

  然而,要实现这一愿景,工程师生产可靠技术是不够的。我们还必须通过医院的许多监管障碍和体制要求找到方法。

  显然,监管机构需要仔细审查任何新的自主医疗系统。我们建议监管机构使用汽车和航空航天工业中常用的两种测试框架。首先是计算机模拟试验,它通过计算机模拟测试算法。这些测试仅在模拟基于高保真生理模型时才有用,但在某些应用中这已经成为可能。例如,美国食品和药物管理局最近批准使用计算机模拟测试作为动物测试的替代品,以开发用于糖尿病患者的人工胰腺。

  第二个有用的框架是硬件在环测试,其中硬件代表感兴趣的对象,无论是喷气发动机还是人体循环系统。然后,您可以在硬件平台上测试一个设备 - 一个自动流体泵,它将生成您在实际患者床边监护仪上看到的相同类型的数据。这些硬件在环测试可以表明该设备在实时和现实世界中表现良好。一旦这些技术被证明可以用于危重病人的替身,那么测试可以从真正的患者开始。

  要将这些技术引入医院,最后一步是赢得医学界的信任。医学是一个普遍保守的环境 - 而且有充分的理由。没有人想做出可能威胁到患者健康的变化。我们的方法是分阶段证明我们的技术:我们首先将决策支持系统商业化以展示其功效和效益,然后转向真正的自主系统。随着人工智能的增加,我们相信ICU可以更智能,更安全,更健康

内容版权声明:除非注明,否则皆为本站原创文章。

转载注明出处:http://manufaktion.com/huoboken/365.html