movements 机器学习+ICU：为重症患者提供实时护理

由大数据文摘制作

编著:张驰，爱泽罗，伊航，涂石闻

在医院的重症监护室(ICU)，危重病人躺在病床上，各种机器设备连接全身，可以为病人提供全天候的护理。

这种先进的医疗设备最初是为了让病人存活而设计的:静脉滴注血液，机械呼吸机将空空气推入肺部。

绑定在患者身体上的传感器跟踪心率变化、血压等重要信息，床边监护仪以波浪线的形式记录各种数据的变化。当机器检测到一些记录的测量值超过正常范围时，它会发出蜂鸣声和警报，通知医务人员检查潜在的问题。

虽然这个场景充满了高科技，但并没有充分发挥技术的最大优势。每台机器负责监控身体的特定部位，但它们并不协同工作，大量的数据流并没有被捕获和分析。而对于ICU团队来说，让主要的护理医生、护士、呼吸治疗师、药剂师等专家对患者进行监护是不现实的。

未来ICU将充分利用机器的功能及其产生的连续数据流。这些监测器不是单独工作的，它们把这些信息收集给医生，从而显示病人的整体健康状况。而且这个信息也会进入AI系统，自动调整设备参数，保证患者身体处于最佳状态。

在新泽西州霍博肯的自治医疗保健公司，我们正在为ICU设计和构建一些第一代人工智能系统。这些技术旨在提供一些早期预警和细致的护理，就像专家总是与患者在一起，并仔细校准治疗。这些系统可以缓解ICU工作人员负担过重的压力。更重要的是，如果这项技术能够帮助患者更快地离开ICU，就可以减少大量的医疗费用。首先，我们主要关注美国的医院，但是随着人口老龄化和慢性病的日益流行，我们的技术可以在世界各地推广。

这项技术的好处是巨大的。在美国，ICU是美国医疗系统中最昂贵的部分。每天在ICU照顾的病人约有55000人，每天花费在3000-10000美元之间。累计成本每年超过800亿美元。

随着婴儿潮一代步入老年，ICU变得越来越重要。如今，美国ICU中超过一半的患者年龄超过65岁——预计这一数字将从2014年的4600万增加到2030年的7400万。欧洲和亚洲也有同样的趋势，这就产生了一个世界性的问题。为了满足日益增长的急症护理需求，ICU将提高其服务承载能力。培训更多的重症监护专业人员是解决方案之一，自动化也是如此。这些人工智能设备不会取代人类。人工智能系统可以成为医疗系统的一部分，让医生和护士在最需要的时候发挥他们的技能。

呼吸更容易

患有严重呼吸系统疾病的患者会佩戴机械呼吸机来帮助呼吸[1]。这些机器将空空气推入患者的肺部，但呼吸节律可能与患者的自然呼吸频率不一致，这可能导致患者实际上与呼吸机对抗。智能控制系统可以读取空气流数据[2]，并通过机器学习算法[3]实时识别不同的异步呼吸类型。在全自动给药系统中，自适应控制器[4]将持续调节呼吸机的气流，以确保其与患者的呼吸速率一致。作为迈向全自动化的一步，在ICU决策支持工具中可以使用类似的系统，为呼吸治疗师提供参考建议。

在今天的ICU中，从床边监护仪获得的数据往往会丢失，因为监护仪显示屏每隔几秒钟就会更新一次。尽管一些先进的ICU部门正试图将这些测量结果存档，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。但是AI系统可以做到。它可以根据数据做出反应，例如调整重症监护室关键任务中涉及的机器。在自主医疗保健公司，我们首先关注能够管理患者呼吸和体液的人工智能系统。当患者平静或患有肺衰竭(ICU常见疾病)时，机械呼吸机将发挥作用。精心的体液管理可以保持适当的血液流入患者的循环系统，保证所有组织器官得到重组的氧气。

我们的方法源于一个看似不可能的领域:航空空行业。我们两个，哈达德和戈拉米，是航天控制工程师。我们在佐治亚理工学院航空航天工程学院相遇。哈达德是电力系统与控制的教授，戈拉米是一名博士生研究员。贝利在21世纪初加入了这项合作，当时他是埃默里大学医学院的麻醉学副教授。哈达德和贝利首先研究了控制方法，以实现手术室麻醉剂量和输出的自动化。我们在亚特兰大的埃默里大学医院和佐治亚州盖恩斯维尔的东北佐治亚医学中心进行了临床研究测试。然后，我们把注意力转向了ICU中更为复杂和广泛的控制问题。2013年，哈达德和戈拉米建立了自主医疗保健，将我们的人工智能系统商业化。戈拉米是公司的首席执行官，哈达德是首席科学顾问，贝利是首席医疗官。

航空航天空和医学有什么相似之处？因为这两个领域都涉及到当生命危在旦夕的时候，需要快速处理海量数据才能做出决策，而且都需要同时完成很多任务才能保证正常运行。特别是，我们看到反馈控制系统在重症医学中的作用。这些技术使用算法和反馈机制，通过感知、计算和驱动来修改工程系统的行为。它们已在空飞行控制和交通控制的安全关键系统中得到推广。

然而，飞机管理和病人管理之间有一个关键的区别。飞机的设计和控制是基于完善的力学和空空气动力学理论，而患者监护涉及复杂的生物系统操作和相互作用。此外，这些行为模式还没有被完全理解。

ICU呼吸管理是一个很好的起点。直接外伤、肺部感染、心力衰竭或败血症等急性症状的患者侵入ICU，需要维持心肺功能。呼吸机迫使空气体进入患者的肺部，并允许肺部的血氧交换。该装置可以给上级打电话，同时完成所有工作或协助病人呼吸。

人与机器的协调运行是一件微妙的事情。人体有自己的神经系统来管理自主呼吸。当神经系统触发膈肌收缩，下拉肺部时，开始吸入空气体。呼吸机必须配合人体自主呼吸；它与患者的吸气和呼气同步，并与患者自然呼吸的空容积相匹配。

不幸的是，患者的身体需求和机器输送之间的不匹配是非常常见的，导致患者对呼吸机的排斥。例如，患者可能需要更多时间吸气，但呼吸机过早切换到呼气。这种异步现象会增加患者对呼吸机的依赖，延长在ICU的停留时间，甚至增加患者的死亡概率。

但目前，专家们还不清楚异步现象导致这些负面结果的原因。但很明显，患者呼气时，机器将空空气推入肺部，显然会对患者造成不适。而且患者的呼吸肌会承受额外的工作量。在美国的重症监护室，经历呼吸机不同步的患者比例估计在12%和43%之间。

解决异步问题的第一步是监测自主呼吸。如果有经验的呼吸治疗师持续观察呼吸机显示屏上指示压力和流量的波形，他们可以识别不同类型的异步情况。但在ICU，一个呼吸治疗师通常要监管10个以上的病人，不可能一直监控所有的病人。

在我们公司，我们设计了一个机器学习框架来复制专家对不同类型呼吸波形异步情况的判断。为了训练我们的系统，我们使用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。我们的算法学习不同异步波形的特征——例如，特定时间点的波形信号的特定倾角。在我们对算法性能的第一次评估中，我们关注了所谓的循环异步，这是最具挑战性的类型。呼吸机的呼气开始与病人自己的呼气不匹配。我们的算法在新数据集中检测周期异步的准确性与人类专家的一致。

我们现在正在东北佐治亚医学中心ICU测试算法，实时监测患者呼吸不同步情况。这项技术已被纳入临床决策支持系统，以帮助呼吸治疗师评估患者的需求。该框架还可以帮助研究人员更好地理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一种能够根据患者呼吸需求自动调节的机械呼吸机。

当你想象ICU里的场景时，你心中的画面可能包括一个挂在病人床边的塑料袋，液体通过管道不断滴入静脉。约75%的患者在ICU期间需要静脉滴注。

然而，仅仅校准正确的流速远非精确的医疗。跟踪患者的体液量水平是一项艰巨的任务:现有的医疗传感器不能直接监测体液量，因此医生依赖间接指标，如血压和尿量。病人需要的液体量取决于他们的疾病和使用的药物。

流体运动

说明:ICU患者需要输液泵和静脉输液[1]，因此获得准确的液量非常重要。如果循环系统中的体液量过低或过高，可能会出现严重的并发症。在这个完全自主的循环控制系统中，智能控制系统[2]可以实时测量动脉血压和心脏泵容量；然后系统将数据输入到生理模型中，模拟通过人体血管和组织的再水化。自适应控制器[4]根据模拟情况连续调节液体输入量，以保持患者内部环境的稳定性。最初，ICU医生可以使用这项技术作为决策支持系统来提供医疗指导。

对于脓毒症患者来说，获得准确的补液尤为重要。脓毒症是一种以全身炎症为特征的危及生命的综合征。在这些患者中，由于细菌毒素和细胞因子引起的血管舒张，血压降低，并且由于血管渗透性增加，体液从微血管和毛细血管中损失。最终会导致重要器官血流不足，导致器官衰竭，患者死亡。医生通过使用强心药物、抗高血压药物和补充足够的体液来维持患者内环境的稳定来对抗败血症。

补充足够的液体很重要，但不要过多——过多的液体会导致并发症，如肺水肿和肺积液(可能会干扰呼吸)。研究表明，液体超负荷与机械呼吸机停留时间较长、住院时间较长和死亡率较高有关。

所以，考虑到大多数患者的情况，医生的目标是将患者的体液维持在一定水平。医生进出ICU，通过检查血液中的混合气体，监测血压和尿量，确定患者是否稳定在目标水平。添加液体的时机和数量非常主观，行业内没有“金本位”。

在这方面，AI可以做得更好。AI可以实时分析患者的个体生理指标，并根据患者的具体需求连续分配液体，而不是根据大多数患者的情况做出流行的决策。

在Autonomous Healthcare，我们开发了一个全自动系统，可以间接测量患者的液位(如血压的变化和每次心跳时泵出的血液量)，然后将数据输入到一个复杂的生理模型中。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流动方式，并在新的测量值输入时不断调整参数，然后我们专有的自适应控制器相应地设置流量。

我们这项技术的一个优点是，它注重控制工程师所说的闭环系统的稳定性，这意味着对正常状态的任何干扰都只会导致微小的短期变化。许多工程应用使用能够确保闭环稳定性的控制系统。例如，当飞机遇到强湍流时，自动驾驶系统会进行补偿，以保持振动最小。然而，大多数医疗设备控制系统没有这样的保证。如果医生判断败血症患者的液位急剧下降，可能会将大量液体推入血液，可能会过度补偿。

自主保健流入:为了防止ICU患者从输液泵中获得过多或过少的液体，自主保健的CLARC系统从循环系统中获得读数。

我们与兽医麻醉师和心血管生理学家威廉·穆尔合作，测试我们的自动输液管理系统。我们的系统用于调节出血犬的输液。结果，这些狗成功地保持了稳定的状态，这是通过每次心跳中泵出的血液量来判断的。

我们需要进行更多的测试，以获得人类全自动输液管理系统的监管批准。像我们在呼吸机管理方面的工作一样，可以从建立ICU决策支持系统开始。这种“以人为本”的循环系统会给临床医生提供信息和建议，然后临床医生可以据此调整输液泵的设置。

除了呼吸和输液管理之外，自动患者危重护理还包括疼痛管理和镇静。在未来的ICU中，我们假设这些临床操作中的许多操作将由AI系统进行监控、协调和控制，AI系统将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，仅仅依靠工程师生产可靠的技术是不够的。我们必须最终找到一种方法来克服医院的许多监管障碍和制度要求。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空航空航天行业常用的两种测试框架。首先是计算机模拟测试，通过计算机模拟测试算法。虽然这些测试仅在基于高保真度模拟生理模型时有用，但在某些应用中已经成为可能。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方法，为糖尿病患者开发人工胰腺。

第二个有用的框架是硬件闭环测试，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。您可以在硬件平台上测试设备，例如自动流体泵，它将生成与您在实际患者床边监护仪上看到的相同类型的数据。这些硬件闭环测试可以证明该设备在实时和实际环境中表现良好。一旦这些技术被证明是危重病人的双重身体，测试就可以在真正的病人身上开始了。

要将这些技术引入医院，最后一步是要赢得医学界的信任。医学界是一个普遍保守的环境，他们有理由这样做。没有人愿意做任何可能威胁病人健康的事情。我们的方法是分阶段证明我们的技术:首先，我们将决策支持系统商业化，以展示其功效和好处，然后转向真正的自动化系统。随着人工智能的加入，我们相信ICU可以更智能、更安全、更健康。

本文出现在2018年10月印刷版《ICU中的AI》。

关于作者

贝诺德·戈拉米和瓦西姆·哈达德是总部位于新泽西州霍博肯的自治医疗保健公司的联合创始人。戈拉米现在是公司的首席执行官。IEEE研究员哈达德是董事会主席兼首席科学顾问。他还是佐治亚理工学院航空航天工程学院的动力系统和控制系统教授。詹姆斯·m·贝利(James M. Bailey)是该公司的首席医疗官，也是佐治亚州盖恩斯维尔的佐治亚州东北部医师集团的重症监护医疗主任。