一个新的机器学习系统可以给医生不同治疗的风险评分
学分:麻省理工学院克里斯汀·丹尼洛夫 脓毒症夺去了美国近27万人的生命
S
每年
不可预测的医疗状况会迅速发展，导致血压迅速下降、组织损伤、多器官衰竭和死亡
医疗专业人员的及时干预可以挽救生命，但一些脓毒症治疗也会导致患者病情恶化，因此选择最佳治疗可能是一项困难的任务
例如，在严重脓毒症的早期，静脉注射过多液体会增加患者的死亡风险
为了帮助临床医生避免可能导致患者死亡的治疗方法，麻省理工学院和其他地方的研究人员开发了一种机器学习模型，可以用来识别比其他选择带来更高风险的治疗方法
他们的模型还可以在脓毒性病人接近医疗死胡同时警告医生——无论使用何种治疗方法，病人都很可能死亡——这样他们就可以在为时已晚之前进行干预
当应用于医院重症监护室的脓毒症患者数据集时，研究人员的模型表明，对死亡患者进行的治疗中约有12%是有害的
该研究还显示，大约3%没有存活的患者在死亡前48小时进入医疗死亡
“我们看到，我们的模型几乎比医生对患者病情恶化的认知提前了8个小时
这是强大的，因为在这些非常敏感的情况下，每一分钟都很重要，意识到病人是如何进化的，以及在任何给定时间进行某些治疗的风险，这真的很重要，”计算机科学和人工智能实验室(CSAIL)健康ML组的研究生泰勒·基利安说
加入基利安论文的是他的顾问，助理教授马尔齐赫·加塞米，健康ML小组的负责人和资深作者；第一作者迈赫迪·法特米，微软研究院高级研究员；以及Adobe印度公司的高级研究科学家Jayakumar Subramanian
这项研究将在本周的神经信息处理系统会议上发表
缺乏数据 这项研究项目是由Fatemi在2019年写的一篇论文推动的，该论文探索了在探索任意行为太危险的情况下使用强化学习，这使得很难生成足够的数据来有效训练算法
这些无法主动收集更多数据的情况称为“离线”设置
在强化学习中，算法通过反复试验进行训练，并学会采取行动，最大限度地积累奖励
但是在医疗保健环境中，几乎不可能为这些模型生成足够的数据来学习最佳治疗，因为试验可能的治疗策略是不道德的
因此，研究人员颠覆了强化学习
他们使用来自医院重症监护室的有限数据来训练强化学习模型，以确定要避免的治疗方法，目的是防止患者进入医疗死胡同
基利安解释说，了解应该避免什么是一种更具统计效率的方法，它需要更少的数据
“当我们想到开车的死胡同时，我们可能会认为那是路的尽头，但你可能会把沿着这条路走向死胡同的每一只脚都归类为死胡同
一旦你偏离了另一条路线，你就陷入了死胡同
所以，这就是我们定义医疗死胡同的方式:一旦你走上一条道路，无论你做出什么决定，病人都会走向死亡，”基利安说
“这里的一个核心思想是降低选择每种治疗的概率，使其与迫使患者进入医疗终点的机会成比例，这种特性被称为治疗安全性
这是一个很难解决的问题，因为数据没有直接给我们这样的洞察力
我们的理论结果使我们能够将这一核心思想重铸为强化学习问题，”Fatemi说
为了发展他们的方法，称为死胡同发现，他们创建了两个神经网络的副本
第一个神经网络只关注负面结果——当患者死亡时——而第二个网络只关注正面结果——当患者存活时
分别使用两个神经网络使研究人员能够在其中一个中检测到危险的治疗，然后用另一个来证实它
他们向每个神经网络输入患者健康统计数据和建议的治疗方案
网络输出该治疗的估计值，并且还评估患者将进入医疗死胡同的概率
研究人员将这些估计值与设定的阈值进行了比较，以查看情况是否有任何征兆
黄色标志表示患者正在进入关注区域，而红色标志表示患者很可能无法康复
治疗事项 研究人员使用贝斯以色列女执事医疗中心重症监护室的一组假定为败血症患者的数据测试了他们的模型
这个数据集包含了大约19，300个入院病例，这些病例是在患者首次出现败血症症状的72小时内观察到的
他们的结果证实，数据集中的一些患者遇到了医疗死胡同
研究人员还发现，20%至40%没有存活的患者在死亡前至少升起一面黄旗，许多人在死亡前至少48小时升起黄旗
结果还显示，当比较存活患者和死亡患者的趋势时，一旦患者举起他们的第一面旗帜，给予治疗的价值就会有非常大的偏差
在做出治疗决定时，第一个标志周围的时间窗口是一个关键点
“这有助于我们确认治疗很重要，治疗在患者如何生存和患者如何不生存方面有所不同
我们发现超过11%的次优治疗是可以避免的，因为在那个时候医生有更好的选择
这是一个相当可观的数字，当你考虑到在任何给定的时间里，全世界在医院里被感染的病人数量，”基利安说
加塞米也很快指出，该模式旨在帮助医生，而不是取代他们
她说:“人类临床医生是我们希望做出护理决策的人，关于避免何种治疗的建议不会改变这一点。”
“我们可以识别风险，并根据19，000例患者治疗的结果添加相关的护栏——这相当于一个护理人员一整年每天看到50多例脓毒症患者的结果
" 展望未来，研究人员还希望估计治疗决策和患者健康发展之间的因果关系
他们计划继续改进该模型，使其能够对治疗价值产生不确定性估计，从而帮助医生做出更明智的决定
另一种进一步验证该模型的方法是将它应用于其他医院的数据，他们希望将来能这样做
来源：由phyica.com整理转载自PH，转载请保留出处和链接！
