医院中最常见的死亡原因之一是急性肾损伤（AKI），即这个重要的血液净化器官功能的突然丧失。AKI，以前称为急性肾功能衰竭，仅在2014年就在美国影响了近四百万人，根据疾病控制和预防中心的数据，并且每年导致数十万人死亡。幸存者通常在之后需要昂贵的透析治疗数月或数年。为了从一开始就预防肾损伤的发生，研究人员开发了一种人工智能程序，可以提前数天识别出有风险的患者。
预防 AKI 具有挑战性，因为其病因差异很大。“它通常发生在重大手术或手术并发症以及脓毒症期间，”国家肾脏基金会肾脏病专家兼首席医疗官 Joseph Vassalotti 说，他没有参与新程序的开发。“一些药物可能会因副作用或免疫反应而引起急性肾损伤。” 其他原因包括尿路阻塞、烧伤并发症和心脏病发作——所有这些都经常发生在医院中。
AKI 可能发生得很快——而且几乎没有预警。血液中一种名为肌酐的废物产品增加标志着肾功能的急性下降，但当医生能够检测到肌酐峰值时，损伤已经发生。通常，护理人员只能减轻损害。
支持科学新闻报道
如果您喜欢这篇文章，请考虑通过以下方式支持我们屡获殊荣的新闻报道 订阅。通过购买订阅，您正在帮助确保有关塑造我们当今世界的发现和想法的有影响力的故事的未来。
因此，谷歌人工智能公司 DeepMind 的子公司 DeepMind Health 的研究人员及其同事转向了人工智能。他们设计了一种人工智能算法来识别表明某人有 AKI 风险的因素——并在发生前 48 小时预测它。该算法预测总体 AKI 病例的准确率为 55.8%，但在后来需要透析的严重病例中，该数字为 90.2%。这项工作在一项研究中进行了描述，该研究于周三发表在《自然》杂志上。
为了训练他们的算法，该研究的作者向其输入了 703,782 名成年人的匿名电子健康记录样本
来自美国退伍军人事务部 (VA)。这些数据包括 AI 模型可以使用的 600,000 多个不同的健康指标。其中包括血液检查结果、生命体征、处方和过去的程序，以及与过程相关的信息，例如病房之间的转移或入住重症监护室。首先，研究人员必须缩小哪些因素是不相关的，哪些因素是潜在的危险信号。“我们利用深度学习的力量来找到数据中的正确信号，”DeepMind 的研究工程师 Nenad Tomašev 说。最终，他们确定了 4,000 个可能在预测 AKI 中发挥作用的相关因素。
通过检查这些指标，该算法可以计算出患者是否可能在肾损伤发生之前很早就处于风险之中。“临床医生能够从被动反应转变为能够在两天前预测 [AKI]——这归功于数据的丰富性，”DeepMind Health 的产品负责人 Dominic King 说。该研究的作者建议医生可以利用这段额外的时间来预防或减轻损害。例如，他们可能会采取保护措施，例如提供更多的静脉输液或利尿剂，或者确保使用的药物对患者的肾脏没有毒性。临床医生还可以更快地解决与肾功能丧失相关的并发症。
尽管 Vassalotti 称这项研究“很有希望”，但他表示怀疑这种 AI 是否能在典型的医院环境中发挥作用。而且，他指出，VA 健康记录的信息密度高于典型的医疗记录，并且患者在各个治疗机构中都得到了很好的跟踪（这正是 DeepMind 研究人员想要使用这些数据的原因）。那么，这种算法在更常见的情况下，即临床医生缺乏住院前医疗记录的情况下，是否仍然有效呢？
Vassalotti 还指出了 DeepMind 研究人员工作的另外两个令人担忧的领域：纳入的女性人数较少（仅占样本的 6%）和大量的误报结果。“他们需要通过额外的研究来改进 [该算法]，以减少误报，”他说。King 反驳说，误报不是“真正的、切实的担忧”，因为大约一半的误报要么是肾损伤的正确阳性识别——只是预测时间超过 48 小时——要么是“尾随误报”，这意味着“刚刚发生过 AKI 事件，模型在之后的一段时间内一直预测风险增加。” 在剩余的 50% 中，大多数发生在患有先前存在的肾脏问题的人身上。
这篇新论文背后的研究人员表示，该程序是人工智能在临床环境中使用的早期但重要的里程碑，他们现在需要改进他们的模型。最终，他们计划尝试将其应用于其他医疗保健预测。“脓毒症、肝功能衰竭、糖尿病并发症，”King 说。“我们看到了巨大的潜力，[该算法] 可以应用于其他可预防的疾病。”