不受歡迎的訪客：掃描電子顯微照片顯示了紅細胞和血小板（藍色）之間的芽孢桿菌（粉色棒狀）。

在醫(yī)院里，醫(yī)生和護士會密切關注患者的生命體征和血液檢測結果，以發(fā)現(xiàn)膿毒癥的最初癥狀。患這種威脅生命的疾病時，身體以全身炎癥的方式對感染做出反應，從而導致器官衰竭。情況會迅速發(fā)展為重癥膿毒癥，然后發(fā)展為膿毒性休克（在美國，膿毒性休克患者的死亡率接近50%）。

但即使是最警覺的人也會疲勞，會犯錯誤，會看漏不易察覺的圖案。這就是幾家醫(yī)院正在試用人工智能膿毒癥檢測儀的原因。研究人員表示，隨著電子醫(yī)療記錄和警報的數(shù)據(jù)被整合到醫(yī)生的工作流程中，這些試點項目是AI融入到醫(yī)院運營的第一批實例。

下個月（即11月；本文的英文原文發(fā)表于10月），位于北卡羅來納州達勒姆的杜克大學醫(yī)院將正式啟用Sepsis Watch，它是一個基于AI的系統(tǒng)，可以識別出早期膿毒癥病例并發(fā)出警報。醫(yī)院將最先把它部署在急診室，然后擴展到綜合病房和重癥監(jiān)護室。杜克大學健康創(chuàng)新研究所（Duke Institute for Health Innovation）主任、該項目的領導者之一Suresh Balu說：“最重要的是在患者進入ICU前及早發(fā)現(xiàn)其有膿毒癥癥狀。”

Sepsis Watch通過深度學習進行訓練，根據(jù)（包括生命體征、實驗室檢測結果和病史等）幾十個變量來識別病例；其訓練數(shù)據(jù)包括5萬份患者記錄，3200多萬個數(shù)據(jù)點。在運行時，它每5分鐘從患者的醫(yī)療記錄中提取一次信息，以評估他們的狀況，從而可提供人類醫(yī)生無法提供的密集的實時分析。如果AI系統(tǒng)確定患者符合膿毒癥早期癥狀的標準，它就會向醫(yī)院快速反應團隊的護士發(fā)出警報。

該研究所的內科醫(yī)生及數(shù)據(jù)科學家Mark Sendak說，人工智能并不能做所有的事情。當快速反應護士趕到患者的床邊時，他們的工作就是決定是否解除警報，將患者放在觀察名單上，還是與醫(yī)生討論開始治療。如果確定患者需要開始治療，Sepsis Watch系統(tǒng)還將指導工作人員按清單完成“拯救膿毒癥運動”（Surviving Sepsis Campaign）這一全球倡議所建議的治療步驟，包括在最初3小時內進行的血液檢測和藥物治療。“該模型檢測膿毒癥，”Sendak說，“但該應用的大部分功能還是集中在完成治療上。”

Sendak表示，他們的團隊仔細考慮了該系統(tǒng)的用戶界面以及警報如何適應現(xiàn)有工作流程。臨床醫(yī)生持謹慎態(tài)度，擔心會對他們的查房工作增加干擾：Sendak說，杜克大學醫(yī)院在2015年試用的另一個用于識別膿毒癥病例的早期預警系統(tǒng)有時會針對一名患者每天發(fā)出100次警報。

杜克大學醫(yī)院的這個Sepsis Watch系統(tǒng)不是第一個被送到醫(yī)院去用的基于人工智能的膿毒癥檢測儀。該榮譽屬于在賓夕法尼亞大學醫(yī)院用過的一個早期預警系統(tǒng)，該醫(yī)院的醫(yī)學副教授Craig Umscheid解釋說。他的團隊于2016年初啟用了那個系統(tǒng)，并于2017年將其停用。Umscheid表示，該系統(tǒng)根本沒有提高護理質量或改善患者情況——部分原因是因為它確定出可能的膿毒癥患者之前，醫(yī)務人員已經(jīng)注意到了這些患者。“識別未預料到的病例的機會低于你的預期，”Umscheid說。

約翰霍普金斯大學計算機科學助理教授Suchi Saria說，在巴爾的摩的約翰霍普金斯醫(yī)院，類似的系統(tǒng)顯示出了更好的結果。Saria的團隊在2017年底啟用人工智能系統(tǒng)，她說它運行得非常好，以至于他們準備將其擴展部署到其他四家醫(yī)院。“我們看到護理方面發(fā)生了顯著的變化，”她說，“情況突然惡化的病例減少了。”霍普金斯膿毒癥檢測儀可為不同的患者群體做量身定制（例如，它根據(jù)不同的標準評估免疫系統(tǒng)受損的患者），而且有針對醫(yī)院不同部門進行優(yōu)化的工作流程。

杜克大學的Sendak說，如果這些人工智能系統(tǒng)確實能改善護理質量，許多醫(yī)院將迫切希望采用這項技術。從2018年7月開始，美國政府的“醫(yī)院對比”（Hospital Compare）網(wǎng)站開始公布醫(yī)院的有關記錄數(shù)據(jù)，記錄是關于為膿毒癥提供的早期和適當?shù)闹委煹摹！叭珖钠骄郊s為50％，”Sendak說，“很多地方都在努力解決這個問題。”