DeepMind推出新的智能系统,可准确预测急性肾损伤 | 前沿-资讯-知识分子

DeepMind推出新的智能系统,可准确预测急性肾损伤 | 前沿

2019/08/01
导读
DeepMind的模型对病情发生的提前预测,为医生采取合理的临床干预提供了足够的时间。
图源pixabay.com

撰文 | 计永胜
责编 | 叶水送
 
  

急性肾损伤(Acute Kidney Injury)来势凶猛,严重影响人体健康。它是多种疾病发病过程中的一组临床症状,表现为肾脏功能在短时间内突然下降,血肌酐(Serum Creatinine)可在几天或者数周内急剧上升。

据统计,英国每年约有10万人死于急性肾损伤,而美国住院病人中有约1/5伴有急性肾损伤 [1]。临床对急性肾损伤的诊断主要是根据患者的血肌酐水平。但是,血肌酐升高已经意味着病人肾脏受损,留给医生决策的时间并不多。如果能根据病人以往的病例报告准确的预测急性肾损伤是否出现,就能为医生制定更加高效的治疗策略。


最近,DeepMind 公司联合伦敦大学学院、美国退伍军人事务部等多家机构研发出了一套人工智能深度学习程序,可以提前预测病人发生急性肾损伤的概率 [2]。《自然》Nature于8月1日凌晨在线发表了这一研究。

人工智能模型提前48小时预测病人出现AKI的概率,图片截自nature

此前有科研团队设计出一套基于人工智能的疾病诊断系统,用于儿科疾病的评估和精确诊断 [3],但人工智能应用于疾病的预测尚属首次。

在本研究中,研究人员从美国退伍军人事务部下属的172个医疗中心和1062个门诊部总共收集了703782名病人的电子病历。其中80%用于对人工智能预测模型的 “培训”,5%用于模型验证,5%用于模型校准,剩下的10%用于检验。

当某一时间点的病人医疗信息被输入后,预测模型会自动输出该时间点后48小时病人发生急性肾损伤的概率。也就是说,这是一个时间连续性的预测模型。当概率大于设定的阈值时,预测结果被判定为阳性。

人工智能模型预测急性肾损伤发生准确率统计,图片截自nature

结果显示,有 55.8% 的住院患者在急性肾损伤发生前48小时被该模型准确预测,明显优于基准模型(36.0%);而对于急性肾损伤、后90天内需要透析的重症患者,该模型预测正确度为 90.2%。

此模型对病情发生的提前预测,为医生采取合理的临床干预提供了足够的时间。

不过,论文作者谨慎地指出,美国退伍军人事务部医疗中心的数据并不能够反映全球人群的实际情况。同时,在本研究中,女性病人只占到 6.38%,研究所用模型在预测这部分患者急性肾损伤方面水平偏低。因此,该模型仍需要通过更大规模的数据进行优化改进。

当然,也许有人还会问,就算模型预测准确了,系统又怎样通知医生实施必要的诊疗策略呢?几年前,DeepMind 公司研发出一款名为 Streams 的手机应用程序,并在英国皇家自由医院使用。Streams 能将医院患者重要的医疗信息进行整合,并及时向医生发出提示,协助医生诊断治疗疾病。

DeepMind公司研发的Streams手机应用,图片截自deepmind.com

如果能将人工智能预测模型和 Streams 结合起来,将准确的医疗信息在正确的时间传递给正确的医护人员,相信医生对疾病进程的判断,对疾病的治疗会更加得心应手。

参考文献:
[1] Wang, H. E., Muntner, P., Chertow,G. M. & Warnock, D. G. Acute kidney injury
and mortality in hospitalized patients.Am. J. Nephrol. 35, 349–355 (2012).
[2] Nenad tomašev, Xavier Glorot, JackW. Rae, et al. A clinically applicable approach to continuous prediction of future acute kidney injury. Nature (2019) https://doi.org/10.1038/s41586-019-1390-1
[3] Huiying Liang. et al. Evaluationand accurate diagnoses of pediatric diseases using artificial intelligence.Nature Medicine (2019) https://doi.org/10.1038/s41591-018-0335-9


制版编辑 | 皮皮鱼


参与讨论
0 条评论
评论
暂无评论内容
订阅Newsletter

我们会定期将电子期刊发送到您的邮箱

GO