醫院中最常見的死亡原因之一是急性腎損傷（AKI），即這個重要的血液淨化器官功能的突然喪失。AKI，以前稱為急性腎功能衰竭，僅在2014年就在美國影響了近四百萬人，根據疾病控制和預防中心的資料，並且每年導致數十萬人死亡。倖存者通常在之後需要昂貴的透析治療數月或數年。為了從一開始就預防腎損傷的發生，研究人員開發了一種人工智慧程式，可以提前數天識別出有風險的患者。
預防 AKI 具有挑戰性，因為其病因差異很大。“它通常發生在重大手術或手術併發症以及膿毒症期間，”國家腎臟基金會腎臟病專家兼首席醫療官 Joseph Vassalotti 說，他沒有參與新程式的開發。“一些藥物可能會因副作用或免疫反應而引起急性腎損傷。” 其他原因包括尿路阻塞、燒傷併發症和心臟病發作——所有這些都經常發生在醫院中。
AKI 可能發生得很快——而且幾乎沒有預警。血液中一種名為肌酐的廢物產品增加標誌著腎功能的急性下降，但當醫生能夠檢測到肌酐峰值時，損傷已經發生。通常，護理人員只能減輕損害。
支援科學新聞報道
如果您喜歡這篇文章，請考慮透過以下方式支援我們屢獲殊榮的新聞報道 訂閱。透過購買訂閱，您正在幫助確保有關塑造我們當今世界的發現和想法的有影響力的故事的未來。
因此，谷歌人工智慧公司 DeepMind 的子公司 DeepMind Health 的研究人員及其同事轉向了人工智慧。他們設計了一種人工智慧演算法來識別表明某人有 AKI 風險的因素——並在發生前 48 小時預測它。該演算法預測總體 AKI 病例的準確率為 55.8%，但在後來需要透析的嚴重病例中，該數字為 90.2%。這項工作在一項研究中進行了描述，該研究於週三發表在《自然》雜誌上。
為了訓練他們的演算法，該研究的作者向其輸入了 703,782 名成年人的匿名電子健康記錄樣本
來自美國退伍軍人事務部 (VA)。這些資料包括 AI 模型可以使用的 600,000 多個不同的健康指標。其中包括血液檢查結果、生命體徵、處方和過去的程式，以及與過程相關的資訊，例如病房之間的轉移或入住重症監護室。首先，研究人員必須縮小哪些因素是不相關的，哪些因素是潛在的危險訊號。“我們利用深度學習的力量來找到資料中的正確訊號，”DeepMind 的研究工程師 Nenad Tomašev 說。最終，他們確定了 4,000 個可能在預測 AKI 中發揮作用的相關因素。
透過檢查這些指標，該演算法可以計算出患者是否可能在腎損傷發生之前很早就處於風險之中。“臨床醫生能夠從被動反應轉變為能夠在兩天前預測 [AKI]——這歸功於資料的豐富性，”DeepMind Health 的產品負責人 Dominic King 說。該研究的作者建議醫生可以利用這段額外的時間來預防或減輕損害。例如，他們可能會採取保護措施，例如提供更多的靜脈輸液或利尿劑，或者確保使用的藥物對患者的腎臟沒有毒性。臨床醫生還可以更快地解決與腎功能喪失相關的併發症。
儘管 Vassalotti 稱這項研究“很有希望”，但他表示懷疑這種 AI 是否能在典型的醫院環境中發揮作用。而且，他指出，VA 健康記錄的資訊密度高於典型的醫療記錄，並且患者在各個治療機構中都得到了很好的跟蹤（這正是 DeepMind 研究人員想要使用這些資料的原因）。那麼，這種演算法在更常見的情況下，即臨床醫生缺乏住院前醫療記錄的情況下，是否仍然有效呢？
Vassalotti 還指出了 DeepMind 研究人員工作的另外兩個令人擔憂的領域：納入的女性人數較少（僅佔樣本的 6%）和大量的誤報結果。“他們需要透過額外的研究來改進 [該演算法]，以減少誤報，”他說。King 反駁說，誤報不是“真正的、切實的擔憂”，因為大約一半的誤報要麼是腎損傷的正確陽性識別——只是預測時間超過 48 小時——要麼是“尾隨誤報”，這意味著“剛剛發生過 AKI 事件，模型在之後的一段時間內一直預測風險增加。” 在剩餘的 50% 中，大多數發生在患有先前存在的腎臟問題的人身上。
這篇新論文背後的研究人員表示，該程式是人工智慧在臨床環境中使用的早期但重要的里程碑，他們現在需要改進他們的模型。最終，他們計劃嘗試將其應用於其他醫療保健預測。“膿毒症、肝功能衰竭、糖尿病併發症，”King 說。“我們看到了巨大的潛力，[該演算法] 可以應用於其他可預防的疾病。”