媒体：ICU会是医疗AI走出边缘的切入点吗？

• 媒体：ICU会是医疗AI走出边缘的切入点吗？
  
  
  
  
  我们曾经关注过很多关于人工智能在医疗领域的应用，比如运用得非常成熟的医疗影像诊断，用于医疗器械的研发，医疗数据的整理与分析，或是医院日常管理等方面。在这些领域，人工智能确实起到了一定程度上的积极效果。
   
   
   
   
   
  但仍然有一些关键性的领域，人工智能的诊疗却依然难以叩开大门。比如ICU，由于在这里的每一步操作都事关人命，因此在现阶段，人工智能几乎不可能进入它的诊疗。
   
  如果没有记错的话，上一个引起广泛热议的人工智能ICU应用，是它能够根据病人的身体数据预测死亡时间。这个功能唯一有效的作用，或许就是极度方便了医院关于紧张的ICU病房的排队事宜。
   
  但这并不意味着ICU的大门永远对人工智能紧闭着。作为被证明足以改变世界的跨时代技术，人工智能已经被证明在医疗领域的巨大应用潜力。与其说人工智能要进军ICU，不如说ICU更需要人工智能。
   
  这份需求，或许可以从一剂止痛剂开始。
   
  ICU里的人工智能给药突破
   
  对ICU病人而言，因病情较重且多不具备明显的意识，因此准确的给药剂量显得极为重要。而在所有的ICU常见药物当中，止痛药的作用又更加突出。因为在大多数情况下，能住进ICU，往往伴随着重大手术的进行。
   
  然而重症监护室的止痛剂使用，却又是一件非常复杂的问题。护理人员需要患者反馈自己的疼痛强度，以调整药物的剂量；但ICU的患者往往伴随着意识的昏迷，因此这种反馈并不能持续。对护理人员来说，给药过量很容易导致患者成瘾，而用量不足则又无法达到预期的镇痛效果，增加病人的痛苦；更有甚者，还很容易引发疼痛致死。
   
   
   
   
   
  根据2016年美国卫生局发布的消息，美国每年平均有上万人死于阿片类镇痛药物过量；2017年全球顶级医学杂志《柳叶刀》的研究报告显示，全球每年约有2500万人死于疼痛。这些只是全场景下的数据统计，如果单纯统计ICU里由于阿片类镇痛药物的不合规使用而导致的死亡病例，恐怕情况也不会乐观到哪儿去。
   
  那么，如何为临床医生提供更好和更个人化的疼痛管理护理，便成为了人工智能进一步挺进ICU的突破口。
   
  今年7月份，来自哈佛-麻省理工学院健康科学技术部门、麻省理工学院媒体实验室和哥伦比亚大学的研究人员组建了一个人工智能团队，并创建了一个人工智能深度强化学习算法模型，以用于重症监护室的疼痛管理。这项算法的主要目标，就是能根据不同病人的情况，提供可量化的精准止痛剂给药。
   
   
   
   
   
  为此，他们结合了40000多例患者在接受了医生使用止痛剂之后的效果，包括积极的和消极的。在此基础上，其用人工智能算法确定了对每个病人而言的最佳剂量，以适应不同病人个性化的止痛剂需求，从而达到了借助人工智能来实现ICU病人止痛剂量化给药的目的。
   
  这种方法沿袭了人工智能解决问题的一贯套路，即以大规模的数据喂养来对模型进行训练，然后反哺到现实应用。但与其他场景下的数据+模型训练相同，ICU里的人工智能，更依赖于精准而丰富的数据。在这项算法训练中，最大的问题，仍是数据。
   
  第一是数据量的不足。
   
  人工智能算法模型的训练需要大量的数据，但对ICU病人而言，平均ICU住院天数在10天左右，而发达国家效率更高，平均住院时长不到一天。较短的住院时间，意味着止痛剂给药次数不会很多。那么，这么少的样本数据，是否足够喂养一个人工智能算法模型？
   
  第二是数据的广度不足。
   
  对一位ICU病人而言，影响其止痛剂使用剂量的因素有很多，比如年龄、性别、身体素质特征、体重等各个方面，除了性别之外，这些大部分因素都是变量。但这项算法里所采用的数据，则来自病人的既往给药史。在此基础上，给出最佳决策。问题是显而易见的，ICU病人身体变化速率要远异于常人，因此如果只看历史的死板数据，而不把时时存在的变量加入进去，那么对于一些未知风险也就形成了天然的抵抗缺陷。
   
   
   
   
   
  另一方面，单纯采用止痛剂的历史使用记录，意味着其余其他药物配合的剥离。医生在开出止痛剂剂量的时候是否考虑到了同时多样给药带来的相互作用？治疗的目标是什么？也就是说，止痛剂使用剂量和效果并不是理论上的一一对应，而是要考虑到综合给药的复杂性。那么，联合使用药物（如果存在）以及其他可能影响止痛剂效果的数据，均应该纳入其中。
   
  在解决这些问题之后，如果算法成熟，人工智能ICU量化给药将会帮助医生进行临床决策，同时提供自动指导。
   
  但量化的意义，或许并不仅仅局限于ICU内。