新人工智慧工具發送敗血症的救命警報
吉爾·穆尼奧斯 (Gil Munoz) 在加利福尼亞州阿爾塔迪納騎山地自行車時摔了一跤。他站起來，拍掉身上的灰塵，繼續騎回家，沒有多想。但是在接下來的幾天裡，他的腳上出現了傷口，左腿腫脹。他去洛杉磯的Adventist Health White Memorial急診室，醫生發現他的腳有多處骨折，將他轉診給足病醫生，並開了抗生素。一切都在控制之中。
兩天後，穆尼奧斯再次返回急診室。他出現了手部顫抖。他看起來並不生病，他的足病醫生那天早上還告訴他腳傷口看起來很好。幸運的是，當值的經驗豐富的分診護士諮詢了KATE，一位敗血症專家。KATE分析了穆尼奧斯的情況。根據他的血壓和包括糖尿病在內的病史，KATE警告他可能患有敗血症，這是一種對感染的致命反應。
但KATE不是醫生，也不是護士，也不是任何人類。KATE是美國一些醫院開始使用的幾個新人工智慧（AI）工具之一。它們利用數百個數據點來警告護士和醫生住院病人可能發生敗血症的風險。
敗血症，這個名稱源自古希臘語，意為腐敗或腐爛，每年影響美國170萬人。它長期困擾著醫院。它是醫院死亡的主要原因：在美國醫院死亡的三分之一的人在住院期間患有敗血症。與敗血症相關的住院人數不斷增加：從2016年到2019年增長了20%，從2019年到2021年又增長了16.5%，住院次數達到250萬次。而且它是美國醫院治療中最昂貴的疾病。
人工智慧能幫助醫院拯救像穆尼奧斯這樣患上敗血症的人嗎？
快速移動的威脅
敗血症源於細菌、真菌或病毒感染在體內蔓延。當身體對感染的反應過度時，就會發生敗血症。它可以在多種情況下發生，無論您是免疫系統脆弱的老年人、孕婦，還是罕見地健康的年輕人，因污染的紋身墨水或衛生棉條而感染。如果未及時發現和治療，敗血症會迅速惡化，通過一系列連鎖反應導致組織損傷、器官衰竭和死亡。而且在剛開始時往往難以察覺。
“敗血症的初期症狀幾乎難以察覺，容易被忽略，”約翰霍普金斯大學的內科醫生和患者護理專家阿爾伯特·吳 (Albert Wu) 醫學博士、公共衛生碩士說。“這是最難診斷的疾病之一，因為它既常見又致命。”
敗血症之所以致命，是因為它的速度和早期診斷的挑戰性。沒有單一的檢測方法來發現它。研究表明，在醫院中，錯過或延遲敗血症診斷的比例可能高達20.8%，其中包括心臟病發作、中風、感染和癌症等其他嚴重健康問題的患者。
“我無法相信我經歷的一切。這一切都非常令人驚訝。”——吉爾·穆尼奧斯
在KATE發出警報後，醫療人員開始治療穆尼奧斯的敗血症，進行了更多的檢查和X光檢查，發現了他體內乳酸水平嚴重偏高，並開始了氣性壞疽——一種立即威脅生命的軟組織感染——的跡象。他被送入ICU並插管治療。
雖然醫生無法保住他的腿（膝下截肢），但由於KATE的早期警報和醫療團隊的快速反應，他的生命得以挽救。
“我無法相信我經歷的一切，”58歲的退休木匠穆尼奧斯說。“這一切都非常令人驚訝。”
人工智慧和機器學習對許多病人來說可能不熟悉，並且不會取代醫生和護士。然而，幫助開發KATE的Adventist Health White Memorial急診醫學主任兼主席劉斯蒂芬 (Stephen Liu) 醫學博士指出，“人工智慧可以做一些了不起的事情。在穆尼奧斯的案例中，它根據他的病史和生命體徵看到了我們沒有完全注意到的模式，提醒團隊有潛在的問題。這讓我們能夠比平常更快地發現問題。”
人工智慧的早期預警系統
KATE是由一家名為Mednition的公司推廣的AI驅動的敗血症檢測系統之一。許多其他系統正在開發、現場測試或已在全國範圍內的醫院運行。
其中之一是由約翰霍普金斯大學的一個團隊開發的針對性實時早期預警系統（TREWS），該團隊包括數據科學家和AI學習專家蘇琪·薩里亞 (Suchi Saria) 博士。根據在五家美國醫院進行的研究並發表在《自然醫學》上的研究，TREWS檢測到82%的敗血症病例，在確認敗血症的三小時內，將抗生素治療時間縮短了1.85小時，並將死亡率降低了近19%。
“TREWS並不會自己診斷敗血症，”薩里亞說。“它更像是一個夥伴或顧問。到目前為止，我們已經在從克里夫蘭診所到小型社區醫院的醫療系統中部署了它。”
COMPOSER是另一個AI驅動的早期預警系統。UC聖地亞哥健康中心的急診醫生加布里埃爾·瓦爾迪 (Gabriel Wardi) 醫學博士於2018年開始與同事們共同開發。它集成在現有的醫院工作流程系統中，因此當有人進入急診室時，COMPOSER會持續監控超過150個患者變量——如生命體徵、化驗結果、藥物、人口統計數據和病史——然後在可能發生敗血症時向護理團隊發出信號。自2022年12月7日在急診室啟動COMPOSER以來，瓦爾迪的醫院的敗血症死亡率下降了17%。
IntelliSep結合深度機器學習和血清檢測來檢測敗血症。它在路易斯安那州最繁忙的急診室——巴吞魯日的Our Lady of the Lake醫院使用。這項血液檢測專注於白細胞的形狀和結構來估計敗血症的風險，約需8分鐘，並已獲得FDA的市場許可。
“IntelliSep對我們來說是一個變革，”Our Lady of the Lake的急診服務醫療主任馬克·拉普魯斯 (Mark Laperouse) 醫學博士說。“它挽救了生命，節省了金錢和時間。自我們開始使用它以來，住院時間大幅縮短，敗血性休克的死亡率降到了個位數，這在我們這樣規模的設施中是聞所未聞的。”該設施每 年約有80,000次就診。
總體而言，這些AI系統正在將敗血症護理從被動轉變為主動。這些模型在醫院中使用的時間不長，因此沒有太多關於它們的研究。它們可能會變得越來越普遍，最終在醫院中廣泛使用。但是沒有一種一體適用的系統。“最適合的模型是最能融入醫院現有工作流程的模型，”瓦爾迪說。
對於患者來說，“這不是你生病時應該開始四處尋找的東西，”吳說。“到那時，已經太晚了。”事實上，即使您住院了，患者可能也不會知道醫院是否使用AI來幫助檢測敗血症，因為這些工具在後台運行。
但是您仍然可以做很多事情來提高自己對敗血症及其症狀的認識。
“我自己也忽略了它”
卡琳·莫蘭德 (Karin Molander) 醫學博士是伯靈格姆Mills-Peninsula Medical Center的急診室醫生。自2007年以來，她一直參與敗血症的教育和研究，在生第一個兒子時，她自己也患上了敗血症。
“當我在講座中談到敗血症時，我告訴觀眾，‘看向你的右邊。看向你的左邊。你們當中有一個人會受到敗血症的影響，’”莫蘭德說。“因此，每個人都應該了解其症狀和體徵。”
然而，在非營利組織Sepsis Alliance委託進行的2023年在線調查中，參加調查的2,512人中，只有63%的人知道敗血症這個術語，僅15%的人能夠識別其四個常見症狀：
-
體溫過高或過低
-
感染
-
精神狀態下降
-
極度不適，伴有疼痛、不適和/或呼吸急促
“即使是受過古典訓練的醫生，我也忽略了自己身上的敗血症，”莫蘭德說。“我認為我太年輕健康，不會患上敗血症。幸運的是，一位受過良好訓練的產科護士認出了症狀，說，‘我們需要儘快讓你分娩並給你一些抗生素。’”
65歲及以上、有慢性病和免疫系統較弱的成人風險最高。但是，敗血症可以影響任何人，甚至是嬰兒、兒童和健康的年輕人。如果您懷疑自己可能患有敗血症，並且不確定您的醫院是否在使用新的AI系統，莫蘭德建議問您的醫生一個簡單的問題：“我擔心敗血症。你能告訴我它是否已經被排除嗎？”這至少會讓他們開始考慮這個問題。
儘管取得了這樣的進展，但一些醫生和護士對AI仍有疑慮。在2023年Medscape對1,043名醫生進行的調查中，65%的醫生至少對AI做出診斷和治療決策“有些擔憂”，但56%的人對AI的幫助表示熱情。
“也許最好的類比是將其視為空中交通管制員。它對飛行員更有利，但你仍然希望有一個人類在駕駛飛機。”——阿爾伯特·吳，醫學博士，公共衛生碩士
“雖然這些AI驅動的系統可能實際上比醫生更能預測敗血症，”吳說，“但系統加上醫生的效果更好。也許最好的類比是將其視為空中交通管制員。它對飛行員更有利，但你仍然希望有一個人類在駕駛飛機。”
“AI系統提供的是溫和的建議，而不是強制命令，”瓦爾迪說。“它是觀察病人的第二雙眼睛。一些早期採用者的護士和醫生認為這非常酷……但在另一個極端，有些人說，‘我不使用它，我不信任它。’”
但對於本文採訪的專家來說，普遍的看法是這種態度會改變——而且很快。
“這是一個突破，”莫蘭德說。“我認為機器學習可能會像心電圖對診斷心臟病發作一樣，對敗血症護理至關重要。AI驅動的系統可以改變醫療的性質。”事實上，薩里亞指出，她創立的Bayesian Health公司“正在將TREWS建設成不僅僅用於敗血症，還可以用於各種其他併發症和不良事件。”
至於穆尼奧斯，儘管他還沒有重返木工工作，但他確實獲得了義肢，在家人的支持下，他獨自生活。“我非常感激我的醫生能夠這麼快地做出反應，”他說。“我當時不確定發生了什麼，也不知道會發生什麼，但他們救了我的命，現在有了義肢，我又能走路了。”
資料來源
