許多燒傷患者患有急性腎損傷，但急性腎損傷的早期識別仍然具有挑戰(zhàn)性?，F(xiàn)在，加州大學(xué)戴維斯分校衛(wèi)生局開發(fā)的人工智能/機(jī)器學(xué)習(xí)(AI/ML)模型已經(jīng)在一項(xiàng)新的研究中得到報(bào)道，它可以比以前更快、更準(zhǔn)確地預(yù)測急性腎損傷。
加州大學(xué)戴維斯醫(yī)學(xué)中心消防員燒傷研究所教授、區(qū)域燒傷中心主任蒂娜帕爾米里說：“利用人工智能預(yù)測燒傷患者AKI的能力是燒傷中心的一個(gè)潛在突破?！叭绻芨嬖V患者可能有腎損傷，我們就可以采取措施預(yù)防。”
什么是急性腎損傷？
急性腎損傷(AKI)是突然發(fā)生的腎功能衰竭或損傷，導(dǎo)致血液中廢物堆積，體內(nèi)液體失衡。AKI通常發(fā)生在嚴(yán)重?zé)齻牡谝恢?，因?yàn)閺?fù)蘇不充分，尤其是在關(guān)鍵的前24小時(shí)。在約30%的病例中，AKI是嚴(yán)重?zé)齻蟪Ｒ姷牟l(fā)癥，死亡率高達(dá)80%。
急性腎損傷的診斷
醫(yī)生通常依靠傳統(tǒng)的生物標(biāo)志物，如血清/血漿肌酐和尿量。然而，尿量和肌酐測量被認(rèn)為是AKI的不良生物標(biāo)志物。
病理與檢驗(yàn)醫(yī)學(xué)系臨床副教授Nam Tran說：“加州大學(xué)戴維斯分校率先確定了一種新的生物標(biāo)志物(稱為中性粒細(xì)胞明膠酶相關(guān)脂質(zhì)載體蛋白(NGAL))在嚴(yán)重?zé)齻颊逜KI早期預(yù)測中的作用。加州大學(xué)戴維斯分校。
盡管具有很強(qiáng)的預(yù)測能力，但NGAL尚未引入美國，其解釋需要更有經(jīng)驗(yàn)的臨床醫(yī)生和實(shí)驗(yàn)室專家。這一挑戰(zhàn)促進(jìn)了人工智能機(jī)器學(xué)習(xí)模型的發(fā)展，使得解釋NGAL測試結(jié)果變得更加容易。
機(jī)器學(xué)習(xí)增強(qiáng)了對急性腎損傷的識別。
有時(shí)，AI/ML世界中的假設(shè)是，在構(gòu)建ML模型時(shí)，更復(fù)雜的算法(如深度神經(jīng)網(wǎng)絡(luò))優(yōu)于更傳統(tǒng)的算法。這種假設(shè)并不總是如此。
“我們通過我們的k近鄰方法建立了一個(gè)強(qiáng)大的ML模型，可以在更短的時(shí)間內(nèi)準(zhǔn)確預(yù)測患者群體中的AKI，”加州大學(xué)戴維斯分校衛(wèi)生系病理學(xué)和實(shí)驗(yàn)室醫(yī)學(xué)教授Hooman拉什迪說。"根據(jù)入院數(shù)據(jù)，該模型可將診斷時(shí)間縮短兩天."
對50例成年NGAL燒傷患者，在入院后24小時(shí)內(nèi)測量尿量、肌酐和NT-proBNP，用臨床實(shí)驗(yàn)室數(shù)據(jù)對模型進(jìn)行訓(xùn)練和檢驗(yàn)。數(shù)據(jù)集中一半的患者在入院后第一周內(nèi)出現(xiàn)了AKI。包含NGAL、肌酐、尿量和NT-proBNP的模型在鑒別AKI方面達(dá)到90-100%的準(zhǔn)確性。僅含NT-proBNP和肌酐的模型準(zhǔn)確率為80-90%。
從入院到傳統(tǒng)生物標(biāo)志物診斷的平均時(shí)間為42.7小時(shí)。使用ML算法的平均時(shí)間只有18.8小時(shí)。ML打敗傳統(tǒng)方法將近一整天——這是預(yù)防和治療AKI的關(guān)鍵時(shí)刻。
“對于我們的研究，AI/ML顯示了使用一些常規(guī)實(shí)驗(yàn)室結(jié)果預(yù)測燒傷相關(guān)AKI的潛在臨床效用，”Tran補(bǔ)充道。
新模式的應(yīng)用和意義
該模型在這一領(lǐng)域有應(yīng)用，包括傷亡。由于部隊(duì)可能被派往缺乏腎損傷管理設(shè)施的醫(yī)院，人工智能/最大似然方法可以更快地識別急性腎損傷患者，從而可以更快地轉(zhuǎn)移到先進(jìn)的醫(yī)療設(shè)施。這優(yōu)化了戰(zhàn)場上有限的資源，加快了將患者運(yùn)送到需要去的地方。同樣的過程也適用于民間世界。
拉什迪補(bǔ)充說：“我們設(shè)想，這種機(jī)器學(xué)習(xí)平臺可以融入AKI以外的各種環(huán)境，最終可以增強(qiáng)臨床醫(yī)學(xué)領(lǐng)域患者護(hù)理的各個(gè)方面。
標(biāo)簽：
免責(zé)聲明：本文由用戶上傳，如有侵權(quán)請聯(lián)系刪除！