人工智能支持医生对心脏骤停的艰难决定
![Kaplan Meier plots illustrating the outcome re-arrest or death in the study population for 365 days. Survival probability in regard to re-arrest or death is shown on the Y-axis. Time in days is shown on the X-axis. a) Plot showing re-arrest or death for entire study population. People at risk is shown in the upper table. Cumulative number of events in the lower table. b) Survival stratified by sex. Table showing cumulative number of events. c) Survival stratified by age. Table showing cumulative number of events. d) Survival stratified by causes. Table showing cumulative number of events. Credit: Resuscitation (2022). DOI: 10.1016/j.resuscitation.2022.109678 人工智能支持医生对心脏骤停的艰难决定](https://scx1.b-cdn.net/csz/news/800a/2023/ai-supports-doctors-ha.jpg)
当患者在心脏骤停后接受治疗时,医生现在可以通过在一个基于网络的应用程序中输入患者数据来了解数千名类似患者的情况。哥德堡大学的研究人员开发了三个这样的心脏骤停决策支持系统,在未来,这可能会对医生的工作产生重大影响。
其中一个决策支持工具(SCARS-1),现已出版,可从哥德堡心脏骤停机器学习研究网站免费下载。然而,算法的结果必须由具有正确技能的人来解释。基于人工智能的决策支持在医疗保健的许多领域正在蓬勃发展,关于护理服务和患者如何从人工智能中受益最大的讨论正在进行中。
该应用程序可以访问瑞典心肺复苏登记处上万例患者的数据。哥德堡大学的研究人员使用一种先进的机器学习形式来教授临床预测模型,以识别影响先前结果的各种因素。这些算法考虑了许多因素,例如,与心脏骤停、接受过的治疗、以前的健康状况、药物和社会经济状况。
新的循证方法
心脏骤停的官方建议可能还需要几年时间才能包含基于人工智能的决策支持,但医生可以自由使用这些预测模型和其他新的循证方法。研究心脏骤停决策支持的研究小组由sarhlgrenska大学学院研究员、Sahlgrenska大学医院心脏病住院医师Araz Rawshani领导。
“我和我的几位治疗心脏骤停急诊患者的同事已经开始使用这种药物预测模型作为我们决定治疗水平的一部分。从这些工具得到的答案通常意味着我们可以确认我们已经得出的观点。尽管如此,它帮助我们避免让患者接受痛苦的治疗,而这种治疗不太可能对患者有益,同时节省了护理资源。”
高度准确
到目前为止,该研究小组已经发布了两个决策支持工具。一种被称为scar -1的临床预测模型在eBioMedicine.该模型表明一个新的患者病例是否与以前的其他病例相似,在这些病例中,患者在心脏骤停后30天存活或死亡。
该模型的准确性异常高。仅基于10个最重要的因素,该模型的敏感性为95%,特异性为89%。该模型的“AUC-ROC值”(ROC是模型的受试者工作特征曲线,AUC是ROC曲线下的面积)为0.97。最高AUC-ROC值为1.0,临床相关模型的阈值为0.7。
这是谜题的一部分
这种决策支持是由Fredrik Hessulf开发的,他是哥德堡大学Sahlgrenska学院的博士生,也是Sahlgrenska大学医院的麻醉师/Mölndal。
“这种决策支持是一个大难题中的几个部分之一:医生对患者的整体评估。在决定是否进行心肺复苏时,我们有很多不同的因素要考虑。这是一种要求很高的治疗方法,我们应该只给那些能从中受益的病人,并且能够在他们住院过一种对自己有价值的生活,”赫苏夫说。
这种形式的支持是基于影响患者心脏骤停后30天存活几率的393个因素。该模型的高精确度可能是由于该算法所基于的大量患者病例(大约55,000例)以及在近400个因素中发现有10个因素对生存率有重大影响。到目前为止,最重要的因素是在病人进入急诊科后,心脏是否再次恢复了可存活的心律。
心脏骤停的风险
第二个决策支持工具已经发表在该杂志上复苏.该工具基于从院外心脏骤停存活到出院的患者的数据。该预测模型基于瑞典心肺复苏登记的5098例患者的886个因素。该工具的部分目的是帮助医生确定哪些患者在心脏骤停出院后一年内有再次心脏骤停或死亡的风险。它还旨在强调哪些因素对心脏骤停后的长期生存是重要的,这是尚未得到充分研究的主题领域的一个方面。
“这个工具的准确性相当不错。它可以以70%的可靠性预测患者是否会在一年内死亡,或者是否会再次发生心脏骤停。就像Fredrik的工具一样,这个工具的优势在于,只需几个因素就可以预测结果,几乎可以像有几百个变量的模型一样,”开发这个决策支持工具的研究医生Gustaf Hellsén说。
“我们希望能够成功开发出这种预测模型,从而提高其精度。今天,它已经可以为医生提供支持,以确定对即将出院的心脏骤停患者的生存有重要影响的因素。”
针对心脏骤停不同方面的三个决策支持工具
目前,scar -1工具(由Fredrik Hessulf开发,用于解决心脏骤停后30天的生存和神经功能问题)可作为在线应用程序使用。scar -2(由Gustaf Hellsén开发,旨在支持对出院后新的心脏骤停风险的决策)将很快推出。还计划在2023年出版scar -3(针对住院心脏骤停)。
医生和其他卫生专业人员可以阅读更多有关这些内容吗决策支持工具和下载应用程序http://gocares.se.
更多信息:Fredrik Hessulf等人,利用机器学习预测院外心脏骤停的生存和神经结局:scar模型,eBioMedicine(2023)。DOI: 10.1016 / j.ebiom.2023.104464
Gustaf Hellsén等人,预测院外心脏骤停存活个体的复发性心脏骤停,复苏(2022)。DOI: 10.1016 / j.resuscitation.2022.109678