醫院對重癥監護室（ICU）有一個可理解的預測目標：減少患者“在病床上去世”事件。

在重癥監護室里，重病準確監測患者各項生命體征的生死醫學設備采集到的數據匯聚成一股洪流，正好讓人工智能有了用武之地：判斷患者何時會情況惡化。率高美國緊急醫療研究所（Emergency Care Research Institute，預測ECRI）的重病準確普利楊卡·沙（PriyankaShah）表示：“現在，許多醫院都有興趣開發可預測膿毒癥、生死心臟驟停和呼吸停止等危及生命癥狀的率高預警系統。”ECRI研究所是預測一家評估保健行業醫療程序、設備和藥物的重病準確非營利組織。

沙提出，生死學術研究人員和醫療器械公司都在試圖找出哪些可測量的率高生命體征組合可以作為判斷患者情況惡化的最佳指標。一旦克服技術方面的預測挑戰，研究人員還必須證明這樣的重病準確指標在臨床上是可行的。她說，生死不僅要得到技術層面可行的證據，還要證明它能被整合到醫院的工作流程中，并能夠節約資金。

要想讓ICU變得更加智能，最艱巨的任務是可能就是應對美國食品與藥品監督管理局（FDA）的監管，以及跟墨守成規的臨床醫生和對錢高度敏感的醫院管理層打交道。就技術層面而言，該研究前途光明。

預測生死

兒科重癥監護室（PICU）內的場景令人心痛。在新生兒病房，羸弱的新生兒躺在各種機器和監視器環繞的塑料恒溫箱內。大廳里，插著靜脈注射管的孩子在明亮的卡通壁畫下勇敢地微笑。

在洛杉磯兒童醫院，數據學家梅利莎·埃索（Melissa Aczon）和大衛·萊德特（David Ledbetter）帶來了一個可以讓醫生更早、更準確感知哪些孩子會情況惡化的AI系統。埃索和萊德特在醫院設立的虛擬PICU研究部工作。在這里，他們與迫切希望改進手術的臨床醫生合作。埃索說：“他們的觀點是，ICU每天都有各種突發事件，保存著大量數據。我們有責任從這些事件中學習，并將經驗教訓用于將來的患者。”

埃索和萊德特想要通過訓練AI系統從而得到準確的預測，因此他們設計了一個實驗系統來預測PICU的死亡率。他們從醫院的電子健康記錄中獲取數據，這些數據包括隔幾分鐘就會測量一次的孩子生命體征數據，也有實驗室的試驗結果、藥物的管理信息等。

從超過12,000名曾在PICU就診的患者記錄中，他們的機器學習程序發現了數據中的一些模式，能夠把5％的死亡患者與其他患者區分開。并且，這個AI系統預測患者死亡的準確度達到了93％，遠高于目前在醫院PICU中使用的更簡單的評估系統。埃索和萊德特在預印本Arxiv上發表了他們的結果。

他們的關鍵突破在于采用了一種稱為循環神經網絡（RNN）的機器學習算法。這種算法旨在處理持續的數據流，而不是從某一時刻的數據“快照”中得出結論。“RNN循環神經網絡在處理序列性臨床數據方面具有得天獨厚的優勢。”埃索說，“新信息持續不斷地產生，并且需要與原先的數據進行整合。”隨著時間的推移，RNN神經網絡的表現也越來越來好。

盡管這個AI系統還只是實驗性的，但是埃索和萊德特認為該工具將在PICU中發揮巨大作用。當然，如果死亡率預測軟件真的要在醫院里使用，醫生肯定不會滿足于僅僅得到一個冷酷的死亡風險評分。這個評估只是第一步，萊德特表示。他說：“一旦你了解病人將會發生什么事情，那么你會考慮如何干預，做出改變。”

預防ICU危機

“我們的使命是通過將ICU的關鍵護理環節自動化來降低死亡率。”AreteX系統公司的聯合創始人瓦西姆·哈達德（Wassim Hadda）表示。該公司（正在更名為AutoMedica）專注于ICU護理的兩個重要部分：通過機械呼吸機管理患者的呼吸，以及通過靜脈注射管管理輸液量。

哈達德說，在美國，每年有570萬人進入ICU，230萬人需要機械呼吸機幫助他們呼吸。其中約有80萬人會遇到“病人－呼吸機”不同步的問題。“如果患者不夠鎮靜，往往就會發生不同步的問題。”哈達德解釋說，“即使患者想要吸氣，但機器卻告訴他：不，呼氣。這會讓患者產生嚴重的焦慮情緒。”

AreteX的工程師們制作的一個機器學習工具，可以根據患者呼吸機的數據識別出不同類型的不同步問題。此時，AI系統會向護士或呼吸治療師發出警報，提醒他們趕快增加患者鎮靜，防止他反抗呼吸機。該公司近期在東北佐治亞醫療中心開展臨床試驗來測試這個AI系統。

目前的解決方案只是履行公司使命的第一步。“我們現在能夠提供臨床決策支持，不過希望將來能走得更遠。”哈達德說，“最終，一個完全自動化的系統可能通過改變呼吸機的節奏來糾正這個問題。”然而，進入這一階段需要大量的臨床試驗向監管機構和謹慎的醫院管理層證明系統的安全性。

AreteX還有一個類似的項目來監測ICU患者通過靜脈滴注獲得的輸液。輸液的目的是增加血液體積并提高血壓。哈達德表示，現今的輸液管理過程效率低下：“醫生通常交代護士去完成，而護士也只是手動改變輸液速率。幾個小時后，醫生再重新評估病人。”他認為，ICU的工作人員必須非常小心來達到平衡狀態，因為太多或太少的輸液都有可能讓患者陷入休克或遭受嚴重的并發癥。

哈達德的系統采用機器學習的方法來衡量個體患者對輸液量的持續反應，以時刻保持患者的狀況穩定。AreteX也在東北佐治亞醫療中心測試其輸液管理系統。

伴隨著美國人口老齡化的快速發展，以及眾所周知的在重癥監護臨床醫師方面的培養缺口，哈達德認為，自動化可能是唯一的答案。“現今有300萬85歲以上的人，到2030年將有900萬人。”他說，“這將給國家的ICU帶來巨大的壓力。