机器学习旗帜治疗弊大于利

败血症每年在美国拥有近270,000人的生命。不可预测的医疗状况可以迅速发展,导致血压迅速下降,组织损伤,多个ORG

败血症每年在美国拥有近270,000人的生命。不可预测的医疗状况可以迅速发展,导致血压迅速下降,组织损伤,多器官衰竭和死亡。

医疗专业人员的迅速干预可以挽救生命,但是一些败血症治疗也可能导致患者恶化,因此选择最佳疗法可能是一项艰巨的任务。例如,在严重败血症的凌晨,静脉内服用过多的液体会增加患者的死亡风险。

为了帮助临床医生避免有可能导致患者死亡的补救措施,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,该模型可用于识别与其他选择相比,造成更高风险的治疗方法。他们的模型还可以警告医生当化粪池患者接近医疗死亡端时 – 无论使用哪种治疗方法,患者很可能会死亡的点 – 这样他们就可以在为时已晚之前进行干预。

研究人员的模型在医院重症监护病房应用于医院重症监护病房的败血症患者数据集时,指出,对死亡患者的治疗中约有12%是有害的。该研究还表明,大约3%的未存活患者进入了医疗死亡,最终在死前长达48小时。

“我们看到我们的模型比医生认识到患者恶化近八个小时。这是强大的,因为在这些真正敏感的情况下,每一分钟都很重要,并且意识到患者的发展以及在任何给定时间进行某些治疗的风险非常重要。”健康ML计算机科学和人工智能实验室(CSAIL)。在报纸上加入基利安是他的顾问,助理教授Marzyeh Ghassemi,健康ML小组负责人兼高级作家; Microsoft Research的高级研究员Mehdi Fatemi的首席作家Mehdi Fatemi;以及Adobe India的高级研究科学家Jayakumar Subramanian。该研究正在本周的神经信息处理系统会议上进行。

缺乏数据

该研究项目受到2019年论文Fatemi写道的刺激,该论文探讨了在无法探索任意行动太危险的情况下使用强化学习的,这使得很难生成足够的数据来有效地训练算法。这些情况下,无法主动收集更多数据,被称为“离线”设置。

在强化学习中,该算法通过反复试验进行培训,并学会采取最大程度地累积奖励的行动。但是,在医疗保健环境中,几乎不可能生成足够的数据以使这些模型学习最佳治疗方法,因为尝试可能的治疗策略是不道德的。

因此,研究人员将钢筋学习在其头上翻转。他们使用医院ICU的有限数据来训练增强学习模型以识别治疗以避免的治疗方法,以防止患者进入医疗死亡端。学习要避免的是更统计上更有效的方法,需要更少的数据,基利安解释说。

“当我们想到驾驶汽车的死亡结束时,我们可能会认为这是道路的尽头,但是您可能可以将沿着死胡同的道路划分为死胡同。一旦您远离另一条路线,您就处于死胡同。因此,这就是我们定义医疗终点的方式:一旦您走了一条决定,无论做出什么决定,病人都会朝着死亡前进。”基利安说。

“这里的一个核心思想是减少选择每种治疗方法的可能性,这与迫使患者进入医疗死端的机会成比例,这是一种称为治疗安全性的特性。这是一个很难解决的问题,因为数据并没有直接给我们这样的见解。我们的理论结果使我们能够将这一核心思想重新塑造为一个加强学习问题。” Fatemi说。

为了开发他们的方法,称为死角发现(DED),他们创建了两个神经网络的副本。第一个神经网络仅着眼于当患者死亡时的负面结果(当患者死亡时)仅关注积极的结果 – 当患者存活时。使用两个神经网络分别使研究人员可以检测到一种危险的治疗,然后使用另一个进行确认。

他们为每个神经网络患者的健康统计数据和拟议的治疗提供了喂养。网络输出该治疗的估计值,并评估患者将进入医疗末端的概率。研究人员比较了这些估计值设定阈值,以查看情况是否提高了任何旗帜。一个黄色的标志意味着患者正在进入关注区域,而危险信号则标识了患者很可能无法恢复的情况。

治疗很重要

研究人员使用贝丝以色列执事医疗中心重症监护室的患者数据集测试了他们的模型。该数据集包含大约19,300次入院,并从72小时的时期中提取观察结果,当时患者首次表现出败血症的症状。他们的结果证实,数据集中的一些患者遇到了医疗末端。

研究人员还发现,没有生存的患者中有20%至40%的患者在死前至少有一个黄旗,许多人至少在死亡前48小时升起了该旗帜。结果还表明,当比较生存的患者与死亡的患者的趋势时,一旦患者提高了第一张标志,则管理治疗的价值的偏差非常明显。做出治疗决策时,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至关重要,而治疗在患者的生存方式以及患者未能生存方面偏离。我们发现,可能避免了11%以上的次级治疗,因为当时医生可以使用更好的替代方法。当您考虑到任何给定时间在医院中曾在医院中患有败血症的患者时,这是一个相当大的数字。 。

她说:“人类临床医生是我们想对护理做出决定的人,并就避免哪种治疗方法做出建议。” “我们可以根据19,000例患者治疗的结果来认识风险,并增加相关的护栏,这相当于单个护理人员每天每天看到超过50个化粪池的患者结局。”

展望未来,研究人员还希望估计治疗决策与患者健康发展之间的因果关系。他们计划继续增强该模型,以便可以围绕治疗值创建不确定性估计,以帮助医生做出更明智的决定。提供该模型的进一步验证的另一种方法是将其应用于其他医院的数据,他们希望将来能做。

这项研究得到了Microsoft Research,加拿大高级研究所Azrieli全球学者主席,加拿大研究委员会主席以及加拿大自然科学与工程研究委员会的部分支持。

在麻省理工学院新闻的允许下重新发布。阅读原始文章。

原创文章,作者:新知会,如若转载,请注明出处:http://www.dsonekey.com/3383.html

发表评论

您的电子邮箱地址不会被公开。 必填项已用*标注

联系我们

400-800-8888

在线咨询:点击这里给我发消息

邮件:admin@example.com

工作时间:周一至周五,9:30-18:30,节假日休息