重症監護室的醫生面臨著一個持續的難題：他們訂購的每次血液檢查都可能產生嚴重的疾病。註冊送點數 信息，但也會增加患者的成本和風險。為了應對這一挑戰，普林斯頓大學的研究人員正在開發一種計算方法，以幫助臨床醫生更有效地監控患者的病情，並就為特定患者訂購實驗室檢查的最佳機會做出決策。
研究生Li-Fang Cheng和Niranjani Prasad使用了6,000多名患者的數據，與計算機科學副教授Barbara 恩格哈特。一起設計了一種系統，該系統既可以減少測試頻率，也可以縮短關鍵治療的時間。該小組於1月6日在夏威夷舉行的太平洋生物計算研討會上介紹了他們的研究結果。
該分析集中在四個血液測試中，這些血液測試測量了乳酸，肌酐，血液尿素氮和白細胞。這些指標用於診斷ICU患者的兩個危險問題：腎衰竭或稱為敗血症的全身性感染。
“由於我們的目標之一是考慮是否可以減少實驗室測試的數量，所以我們開始研究訂購最多的[血液測試]面板，”該研究的共同主要作者和Prasad一起說。
研究人員使用了MIMIC III數據庫，該數據庫包括位於波士頓的Beth Israel女執事醫療中心的58,000名重症監護病人的詳細記錄。在這項研究中，研究人員選擇了6060個成年人的子集，這些成年人在ICU中停留了1到20天，並對常見的生命體徵和實驗室檢查進行了測量。
這項研究的資深作者恩格爾哈特說：“在我們談論的範圍內，這些醫學數據基本上已經在過去的一兩年中提供了，我們可以使用機器學習方法對其進行分析。” “那真是太令人興奮了，也是一個巨大的機會。”
小組的算法使用“獎勵功能”，該獎勵功能根據給定時間的測試信息量鼓勵測試順序。也就是說，如果患者的狀態與上次測量值明顯不同的可能性更高，並且測試結果很可能暗示了臨床干預措施（例如，啟動抗生素或通過機械呼吸來輔助呼吸），則在進行測試時會獲得更大的回報。通風。同時，該功能會增加對測試的金錢成本和對患者的風險的懲罰。 Prasad指出，根據情況，臨床醫生可以決定將其中一個組件優先於其他組件。
這種稱為強化學習的方法旨在推薦能夠最大化獎勵功能的決策。這就像對待順序決策問題一樣對待醫學測試問題，在該問題中，您要考慮過去一段時間內的所有決策和所見過的所有狀態，並決定在當前時間應該地下539玩法做什麼以最大程度地延長工作時間。為患者帶來長期回報。”計算機科學專業的研究生Prasad解釋說。
及時對這些信息進行分類以用於臨電競運彩lol床九州娛樂城 普林斯頓大學計算科學與工程學院（PICSciE）的副教授恩格哈特（恩格哈特。）說，設置需要相當大的計算能力。電氣工程專業的研究生Cheng與她的共同顧問Kai Li，Paul M.和Marcia R. Wythes計算機科學教授一起工作，以利用PICSciE資源來運行團隊的計算。
為了測試他們制定的實驗室測試策略的效用，研究人員比較了將其策略應用於訓練數據集中實際用於6,060名患者的測試方案所產生的獎勵函數值， ICU在2001年至2012年之間。他們還將這些價值與任你博娛樂城 歸因於隨機實驗室測試政策。
對於每個測試和獎勵組件，與醫院中使用的實際策略相比，機器學習算法生成的策略將導致改進的獎勵值。在大多數情況下，該算法的性能也優於隨機策略。乳酸測試是一個明顯的例外。這可以通過乳酸測試命令的頻率相對較低來解釋，從而導致測試信息的高度差異。
總體而言，研究人員的分析表明，與臨床醫生遵循的實際測試方案相比，他們的優化策略所產生的信息更多。如果使用白細胞測試，使用該算法可以將實驗室測試的數量減少多達44％。他真人線上麻將們還表明，當患者的病情開始惡化時，這種方法將有助於告知臨床醫生有時提前幾小時進行干預。
“根據這種方法制定的實驗室測試訂購政策，我們能夠命令實驗室確定患者的健康狀況已經退化到平均水平，需要平均在臨床醫生根據臨床醫生訂購的實驗室開始治療之前四個小時進行治療，”他說。恩格哈特。
“在重症監護室中，缺乏適當的實驗室測量頻率的循證指南，”埃默里大學生物醫學信息學助理教授Shamim Nemati說。大老爺娛樂城沒有參與這項研究的人。 “由數據驅動的方法（例如，Cheng和合著者提出的方法）與對臨床工作流程的更深入了解相結合，有可能減輕圖表製作負擔和過度測試的成本，並提高態勢感知和結果。”
恩格爾哈特（恩格哈特。）的小組正在與Penn Medicine的Predictive Healthcare小組的數據科學家合作，在未來幾年內將這項政策引入診所。賓夕法尼亞大學高級數據科學家Corey Chivers說，這樣的努力旨在“賦予臨床醫生其他領域的其他人所擁有的超能力”。他補充說：“擁有大量數據的機器學習，人工智能和統計模型的訪問權將有助於臨床醫生做出更好的決定，並最終改善患者的治療效果。”
“這是我們第一次能夠採用這種機器學習方法，並將其實際應用於ICU或住院醫院中，並向護理人員提供建議，以使患者不會處於危險之中。 ”，恩格哈特說。 “那真的是新奇的東西。”
這項工作得到了t的支持信用卡娛樂城Helen Shipley Hunt基金會，該基金會支持旨在改善人類健康的研究；以及Eric和Wendy Schmidt戰略創新基金，該基金支持人工智能和機器學習的研究。
本文已從普林斯頓工程與應用科學學院提供的材料中重新發表。注意：材料的長度和內容可能已被編輯。有關更多信息，請聯繫引用的來源。
閱讀更多：https：//psb.stanford.edu/psb-online/proceedings/psb19/cheng_l.pdf
