平安AskBob医生在ICU脓毒症AI预测领域取得突破，成果登顶国际重症医学重点期刊！

近日,平安智慧医疗智能公共健康团队在国际重症医学重点期刊《Critical Care Medicine》(CCM)上发表了论文《面向重症患者实时脓毒症预测的分时段机器学习模型》(A Time-phased Machine Learning Model for Real-time Prediction of Sepsis in Critical Care)。研究团队根据国际大赛PhysioNet Challenge 2019提供的已脱敏的临床数据,利用AI技术提前6小时预测ICU患者发生脓毒症的风险,预测精度达到0.85,相较PhysioNet Challenge 2019的基线预测模型提升23%。论文的共同第一作者和第一通讯作者来自平安智慧医疗团队,论文合作方还包括来自中国人民解放军总医院和美国康奈尔大学的作者。

《Critical Care Medicine》是国际JCR分区中重症医学的顶级期刊,在重症医学领域有极大的影响力(2019年IF:7.414)。

脓毒症(Sepsis)是严重威胁生命的急性重症事件。据世界卫生组织(WHO)估计,全球每年约有3000万人发生脓毒症,其中600万人因此死亡,病死率高达20%。据估计,在本次新冠肺炎(COVID-19)疫情中,约有60%的新冠肺炎重症患者感染了脓毒症。由于脓毒症发病急、病情严重,发病时必须立刻治疗,每延迟一小时治疗将使病死率升高6%左右。因此,如果能提前、精准地预测脓毒症的发生,就能够让医生及时进行干预和准备,有效降低脓毒症的损害。但由于脓毒症的复杂性,对其进行精准预测一直是临床上的一项难题,也是疾病预测领域最富挑战的问题之一。

本研究结合4万余名ICU重症患者的院内连续监测数据(已脱敏),建立了分时段的AI集成学习模型,能够提前6小时预测ICU患者发生脓毒症的风险,预测精度达到0.85,比基线模型提高23%的预测精度。模型的优良性能,主要源自以下三方面优势:

首先,发现并利用了ICU住院早、中、晚期三个时段的不同特点(如下图所示)。在早期(0~9小时),一部分患者初入ICU时体征状况不稳定,发生脓毒症风险较高;在中期(10~49小时),患者的体征状况相对稳定,发生脓毒症的风险会略有降低;在晚期(50+小时),进入ICU治疗较长时间的患者通常体征状况持续不佳,发生脓毒症的风险会显著提升。

其次,挖掘了一系列影响脓毒症结局的非线性特征。很多指标与脓毒症结局的关系并不是简单的线性关联,本研究挖掘并量化了这些非线性特征的影响。以患者体温为例,算法发现,如果患者体温偏高(大于37.8℃)或偏低(小于36.1℃),都会提示更高的脓毒症风险(如下图所示)。

再次,挖掘了各类时序特征及其组合。一些临床指标随时间动态变化的情况往往对结局预测具有很高的临床意义。为此,算法挖掘了各指标随时间变化的差值/比值、不同时间窗口内的最大/最小值等时序特征,更加精准的捕获了指标的动态变化对于脓毒症结局的影响。例如,算法发现,如果患者的吸入氧浓度百分比(FiO2)相较前一小时突然提升了7.5%以上,则其脓毒症风险会显著提升。

此外,模型还能够针对个体患者,给出个性化的风险因素及其对脓毒症风险的量化影响,为医生的精准治疗决策提供重要支撑和参考(如下图所示)。

论文的第一通讯作者、平安集团首席医疗科学家谢国彤表示,疾病预测是对未来发生疾病的风险进行精准画像,从而实现“早发现、早预防”,降低疾病发病和恶化的风险,减少医疗负担。平安智慧医疗通过AI和大数据分析技术,显著提高了疾病预测的精度和可解释性。目前平安智慧医疗构建的AI疾病预测模型已作为AskBob医生平台的重要功能之一,广泛应用于平安智慧医疗的多个落地场景,服务于1.6万家医疗机构和43万名医生,支撑诊前、诊中、诊后全流程的疾病管理。