点右上角“关注”，给你更多
脓毒症是指导致危及生命的急性器官功能障碍的严重感染，脓毒症中静脉输液和血管活性药物的管理是临床工作中的重要挑战。目前，最新版拯救脓毒症运动指南（SSC）推荐的补液剂量是30 ml/kg，这个推荐剂量存在诸多争议，因为临床中脓毒症患者的补液具有很大的个体差异，补液过多或过少都会增加脓毒症患者的病死率。而对于何时启动血管活性药物的治疗？目前也没有合适的工具帮助临床医生做出实时决策。为此，英国伦敦帝国理工学院Anthony Gordon教授在“脓毒症治疗中的人工智能”主题报告中，介绍了使用人工智能来探寻脓毒症治疗中补液和血管活性药物的最佳策略。
Gordon教授介绍，他们构建的人工智能模型是在两个大型非重叠ICU数据库上建立的，这些数据库包含从美国成人脓毒症患者中常规收集的数据，采用马尔可夫决策过程（MDP）进行建模。数据库收集一所三级医院五个ICU纳入17083例患者，和来自MIMIC-Ⅲ和eRI数据库128家医院的79073例患者。
研究者利用人工智能进行决策，并预测治疗策略的结果。首先，分析并计算每个治疗方案的平均收益，来评估临床医师的实际治疗情况。在模型中，每个治疗方案平均收益可以取-100~﹢100值。然后，采用策略迭代法求解MDP，确定最大收益治疗方案，即MIMIC-Ⅲ队列中患者的预期90 d生存率。由此产生的决策称为“人工智能策略”。
人工智能推荐的治疗策略为：减少静脉液体输注量，增加血管活性药物剂量。在eRI数据库中，仅17%的患者使用血管活性药物。根据人工智能的建议，30%的患者应该使用血管活性药物。Gordon教授认为：“临床医师的实际治疗与人工智能建议的策略主要差异在临床中可能补液太多，而血管活性药物应用不足。早期即使用低剂量血管活性药物可能在脓毒症中发挥更好的作用，可能有助于避免过量补液。”本研究证明，人工智能推荐的治疗方法的平均可靠程度高于临床医师。在独立于训练数据的大型验证队列中，当临床医师临床决策与人工智能策略相高度匹配时，脓毒症患者的死亡率最低。
国内同道与Gordon教授交流了人工智能的数据库、建模、伦理等问题。有专家担忧：应谨慎开展人工智能的前瞻性研究，因为机器学习的黑箱、不可控的特点，如果用在脓毒症复杂多样的治疗辅助决策方面，一旦偏离则会严重威胁患者的生命安全。
欢迎合作与投稿，我们的工作邮箱：30615367@qq.com
