研究人员创造了人工智能来预测ICU谵妄风险

超过三分之一的住院患者和80%的重症监护病房(ICU)患者会出现谵妄，这是一种大脑功能障碍，表现为突然发作的混乱、注意力不集中、偏执，甚至是躁动和幻觉。约翰霍普金斯大学医学中心的一名重症监护医师与约翰霍普金斯大学工程系的学生合作，报告说他们已经开发出了人工智能(AI)算法，可以检测谵妄的早期预警信号，并可以在ICU住院期间的任何时间预测大量患者发生谵妄的高风险。

“能够区分谵妄的低风险和高风险患者在ICU中是非常重要的，因为它使我们能够投入更多的资源对高危人群进行干预，”麻醉学和麻醉学副教授罗伯特史蒂文斯博士说重症监护医学他是约翰霍普金斯大学医学院的教授，也是这项新研究结果的资深作者，该研究结果发表在12月20日的《美国医学杂志》上麻醉学．史蒂文斯还是精准医学和信息学主任，约翰·霍普金斯大学精准医学中心卓越神经危重症护理联合主任。

临床医生已经知道，ICU谵妄更常发生在年龄较大和病情较重的患者身上，发生谵妄的ICU患者长期住院、未来痴呆和死亡的风险更高。抗谵妄的干预措施，如护理包，更换药物和早于通常的职业和物理治疗专家说，这些方法是有效的，但有限的时间和资源，以及ICU患者往往无法预测的需求，使大多数ICU无法对每个患者都使用这些方法。

这个新的人工智能程序是由史蒂文斯教授的精确医学课程上的本科生和硕士生设计的，该程序将人工智能算法应用于一个公开可用的数据集，覆盖了全国208家医院的20多万ICU住院病人。

“基本的想法是，这种常规收集的数据存储在患者的电子健康记录中，包含与谵妄风险相关的签名，”柯比·龚说，他最近从约翰·霍普金斯大学生物医学工程系硕士学位毕业，也是这项新工作的第一作者。

利用这些数据，研究小组开发了两个计算机模型来预测谵妄风险。一种是所谓的静态模型，在入院后不久对患者的数据进行快照，包括年龄、疾病严重程度、其他诊断、生理变量和当前药物等信息，以预测住院期间任何时间的谵妄风险。第二种是所谓的动态模型，监测数小时和数天的信息，包括重复的血压、脉搏和体温读数，以提供患者在未来12小时内持续更新的谵妄风险。

一旦研究人员开发出人工智能模型，他们就在波士顿一家医院的另外两组数据上进行了测试，这些数据总共覆盖了10万多名ICU病人。第一个24小时模型的受试者工作特征曲线(95% CI)下面积为0.785，这意味着该模型能够在78.5%的时间内预测哪些患者会发生谵妄。动态模型的预测效果更好精神错乱在90%的情况下都是如此。

史蒂文斯说，他现在正在约翰霍普金斯医学icu的历史患者数据上测试这些模型，并计划设计一个临床试验来测试算法的使用，以及它们如何影响临床护理病人刚住进重症监护室。他的实验室也在应用类似的人工智能方法——通常是与工程专业的学生和教师合作——来预测中风，心脏衰竭肺栓塞和重症监护医学中出现的其他紧急事件。

“对于很多这些生理转变，我们认为有早期预警信号，这些信号对临床医生来说可能不明显，但可以通过使用各种药物来发现人工智能我们在这里使用的支持模式分析，”史蒂文斯说。