机器学习方法可以改善ICU患者的治疗
普林斯顿大学的研究人员开发了一种机器学习方法,可以减少重症监护病房患者的检查次数并缩短关键治疗的时间。而且该方法很快就会进入ICU护理。
这项研究由普林斯顿大学研究生程立芳和尼拉贾尼·普拉萨德合着。该研究表明,当患者的病情开始恶化时,该方法能够帮助临床医生更快地进行干预。
“由数据驱动的方法(例如,Cheng和合著者提出的一种方法,与对临床工作流程的更深入了解相结合,有可能减少图表负担和过度测试的成本,并提高态势感知和结果,” Shamim Nemati)埃默里大学(Emory University)生物医学信息学助理教授,未参与此项研究的博士说。
该研究最近在1月6日于夏威夷举行的太平洋生物计算研讨会上进行了介绍。该研究集中于四种类型的血液检查:乳酸,肌酐,血尿素氮和白细胞检查,这些检查均用于诊断ICU患者的肾衰竭或败血症。研究人员使用了6,000多名ICU患者的数据集。
研究人员的算法使用一种称为强化学习的方法,根据给定时间的信息量鼓励测试顺序,这意味着如果患者状态明显不同的可能性更高,则存在“奖励功能”来管理测试从上次测试开始。如果测试结果很可能建议对患者进行临床干预,那么也可以获得更大的回报。
但是,该方法还会对测试的金钱成本和患者风险造成不利影响。该方法像对待顺序决策一样对待医学测试问题,在该过程中,您要考虑过去一段时间内的所有决策和所见过的所有状态,并决定在当前时间应该做什么以最大程度地发挥作用。为患者带来长期的回报。”普拉萨德说。
研究人员发现,该方法比临床医生通常遵循的实际测试方案能提供更多的信息。它还表明,该算法可以将为白细胞检测订购的实验室检测数量减少多达44%。
研究人员计划与Penn Medicine的Predictive Healthcare团队的数据科学家合作,将这种方法引入临床。
“这是我们第一次能够采用这种机器学习方法,并将其实际用于ICU或住院医院,并向护理人员提供建议,以使患者不会面临危险”,普林斯顿大学计算机科学副教授Barbara Engelhardt博士在一份声明中说。“那真的是新奇的东西。”