研究人员开发出能够从临床记录中估计急性肾损伤风险的AI

急性肾损伤（AKI） - 肾脏突然无法过滤血液中的废物 - 可以破坏重症患者的肾脏系统。如果进展超过第2阶段，死亡率可接近89％（AKI分为三个阶段）。如果AKI在大腹部手术后发展，则死亡风险增加12倍。

幸运的是，rogress已经用于有助于早期检测的技术。西北大学和德克萨斯大学健康科学中心的研究人员发表的一篇论文（“ 利用临床记录对重症监护急性肾损伤进行早期预测 ”）描述了一种可以从电子中收集和提取风险因素的人工智能（AI）系统。健康记录（EHR），并预测重症监护病房（ICU）后24小时内AKI的可能性。

研究人员写道：“我们开发了数据驱动的预测模型来估计新发生AKI的风险。” “从实际的角度来看，我们的预测模型可用于提醒ICU入院后不久发生AKI的高风险重症患者的临床医生。”

为了训练人工智能系统，该团队从医疗信息中心获取重症监护III（MIMIC-III）的记录，这是一个免费提供的重症监护数据库，其中包含40,000名住在Beth Israel Deaconess医疗中心ICU的患者的匿名健康信息。他们开发了一个脚本，在入住ICU的第一天和72小时血清肌酐水平（尿液中毒性的常用量度）中记录了年龄，性别，种族和种族以及临床记录，并且排除了没有医生记录的患者和肾功能不全的迹象

总共，他们从14,1470名患者的16,560例ICU住院中编制了77,160份临床记录，分为两组：一组用于训练，另一组用于测试。然后，他们着手建立一个机器学习模型。

需要对数据进行一些预处理以获得结构化特征，其中一些涉及利用国家医学图书馆免费提供的MetaMap工具集来从自由文本临床记录中识别医学概念。提取的功能以概念唯一标识符（CUI）的形式出现 - 与单词和术语相关的概念 - 来自统一医学语言系统（UMLS），生物医学术语和分类的综合纲要。

使用五种算法对ICU停留进行分类并从scikit-learn（一种用于Python编程语言的开源机器学习库）中估计AKI风险。在测试中，研究人员的监督学习分类器在接收器操作特征（AUC）下达到0.779面积，这意味着它能够识别具有超过50％的时间发展AKI风险的患者，并且与之前的方法具有精确的“竞争性”。

尽管如此，它并不完美。它错误地标记了患者的AKI发病，其患者的图表包含高度相关的词，如“胸管”和“不稳定”。在另一个案例中，它未能预测患者后来发展它的AKI。（在后一种情况下，他们注意到数据集中的病人数量不足，条件相似。）

研究人员将继续研究替代表型系统，临床记录数据库以及其他患者数据集的验证。

将AI应用于AKI检测的另一方是谷歌子公司DeepMind，该公司于2月宣布与美国退伍军人事务部合作，该公司获得了超过700,000份医疗记录。