作者

做AI+ICU的「先行者」!脉兴医疗推出临床智能辅助决策系统,将有效助力医生决策

有人说,ICU,是一个被泪水浸泡的科室。它冰冷、沉重,病人们全身被插满了各式各样的仪器或导管,每分每秒都在向死神争取活下的希望。

ICU即重症加强护理病房,是集治疗、护理、康复为一体,为重症或昏迷患者提供隔离场所和设备服务的科室。ICU已历经了近半个世纪,我国ICU的成立最早可追溯到上世纪80年代初期。现国内二级以上医院必须配备监护室。

“在ICU,每天都有海量的数据产生。但是大部分数据没有被很好地整理和使用,我们的临床智能辅助决策系统可以将这些数据做监测、收集起来,再根据我们的AI算法分析这些数据,达到辅助医生决策的目的。”脉兴医疗CEO黄可智说道。

脉兴医疗是国内首家专注重症监护(ICU)的大数据AI的企业。在医疗信息化的大浪潮中,鲜有企业将人工智能技术运用到ICU病房中,而脉兴医疗通过自主研发的两大AI+ICU拳头产品,做了这个领域的“先行者。

2019年9月19日至22日,中国危重病医学大会(CCCC2019)在武汉召开。来自海内外重症医学领域的专家、同道齐聚一堂,就最新临床进展与热点问题、科研方向和管理模式,做了精彩的学术报告。

在本次大会上,来自英国帝国理工的Anthony Gordon教授分享了人工智能技术在ICU中的应用。同时,脉兴医疗作为唯一一家将人工智能运用在ICU领域的企业,新推出的AI+ICU智能辅助决策系统,受到了不少专家医生的密切关注。

大会期间,北京协和医院MICU主任杜斌教授、浙江医院党委书记严静、北京协和医院MICU副主任翁利教授、湘雅二医院伍国宝主任等人莅临脉兴医疗的展位,对其产品给予了极大的肯定,并做了相关指导。

本次展会脉兴也受到了众多基层医院的ICU主任的关注,基层医院的医疗资源严重不足、水平参差不齐,诸多主任表示人工智能在ICU中应用具有广阔的天地,希望能够尽快使用脉兴的AI智能辅助决策系统,提升临床诊疗、管理、科研、质控等方面的水平。

图注:大会主席杜斌教授(左三)和马朋林教授(左二)莅临脉兴展位参观指导

人工智能技术与临床场景如何深度融合?脉兴又是如何通过AI平台实现辅助医生决策的功能?会后,动脉网有幸采访到了脉兴医疗CEO黄可智、医学总监陈维仁,就以上问题做详细解读。

ICU“生死门”背后:医疗失误高发,患者数据庞大

ICU是横亘在患者与家属之间的一道“生死门”。送进ICU的患者分为三种:一、经ICU救治,在短期内可获得康复的急性、可逆、危及生命的器官功能不全患者。

二、经ICU严密监护和治疗可能减少死亡风险、有潜在生命危险的患者。三、出现了急性加重且危及生命的状况、经ICU积极救治可能恢复到原有状态的慢性器官功能不全患者。

简单来说,进了ICU的患者基本上是“凶多吉少”。而在这样的背景下,患者的每一次数据变化、医护人员的每一次谨慎用药,都能起到生命延续的决定性作用。

根据宇博智业《ICU行业市场调查分析报告》的数据,美国2005年ICU错误发生率高达1497次/每万人,其中严重威胁生命的占13%;平均每人每天发生1.7个医疗错误,每年平均有9.8万ICU患者死于医疗错误。而在这些医疗失误中,28%~84% 都是可避免的,只是医院需要找到一个有效的途径来解决。

医疗失误高发,成为ICU的一个重要属性。此外,在ICU,患者身上用于监测治疗的仪器,每天都可产生大量的数据。但检测到的数据流并没有被收集起来,只是在特殊异常时发生警报。

失误潜在的风险大、患者数据量大,如何做到实时有效的监测显得尤为重要。

那么,怎样实现降低失误率的同时又不会给医护人员带来大量的工作负担?脉兴医疗CEO黄可智告诉动脉网,AI正在有效地解决这些痛点

成为医生的“眼睛”:脉兴建临床智能辅助决策系统、AI科研平台

当下人工智能在医疗领域多是浅层应用,脉兴医疗利用AI技术进军重要医疗场景,可以说是一次另辟蹊径的尝试。

2016年,脉兴医疗成立。短短3年时间,脉兴医疗打造了AI科研平台、AI+ICU智能辅助决策系统,技术达到甚至超越发达国家水平。

在医疗人工智能日益扩张的创业风口中,因行业门槛高,ICU市场将很多企业拦在了门外。脉兴医疗之所以敢深入这一市场,在脉兴医疗CEO黄可智看来,原因在于公司核心团队成员所拥有的强大“技术基因”:整个团队构成中,研发人员占比80%,硕博占比超过50%。

 图注:脉兴医疗CEO黄可智

“我们的团队由医疗人工智能科学家,临床医生和算法团队以及医疗信息化专家构成,这为我们做出真正贴合临床需求的产品奠定了基础。”脉兴医疗CEO黄可智介绍道。

AI+ICU智能辅助决策系统是一款融合了“自然语言处理技术、知识图谱机器学习”三大领先AI技术的智能平台。

产品的核心是通过个性化动态临床数据实时显示、AI死亡预测及疾病风险预测,发掘临床数据价值,构建全闭环智能生态,达到服务ICU医护人员的决策的目的。

图注:脉兴临床知识体系架构

“在ICU病房,很多疾病是未知的,特别是有一些疾病的继发情况。一旦发生,病人会有生命危险。我们的产品做到了在发生前的24小时甚至更早做出提示预警并辅助医生制定处置方案,发生前去告诉他该怎么做,目前脉兴研发的死亡预测模型的临床数据验证准确率超过90%。”脉兴医疗医学总监陈维仁告诉动脉网记者。

在AI+ICU智能辅助决策系统中,两款具有代表性的科技产品:呼吸治疗智能管理平台和急性肾损伤预测。

呼吸治疗智能管理平台是脉兴与北京协和医院MICU共同研发近2年,使用协和医院5年真实临床数据,第一阶段是运用机器学习技术建立预测模型,对撤机成功率进行预测,目前已在协和医院部署使用近9个月,预测成功率在90%以上。

第二阶段的研发重点是构建呼吸机知识图谱,与机器学习模型相互映射,弥补机器学习不可解释的缺点,同时知识图谱可以完成与医生的智能交互问答及主动推理基于循证医学的规范化治疗方案。

呼吸治疗智能管理平台和急性肾损伤预测通过采集实时数据,提前进行干预,可以及时避免患者病情恶化、减少相关并发症、降低患者医疗支出、改善患者预后。

脉兴医疗医学总监陈维仁表示,除了解决以上问题外,该系统的另外一大突出功能是,能够辅助临床科研工作。

 图注:脉兴产品核心价值

“基于我们强大的算法,我们将ICU科室内的各个设备及信息系统的数据做了集成,并进行结构化、标准化处理。”脉兴医疗医学总监陈维仁说道。

结合AI+ICU智能辅助决策系统输出的数据,为医生服务的AI科研平台也由此产生。两者是相辅相成的关系,共同实现了数据的利用率扩大化。

产品的应用效果显著:对医生而言,提升诊疗水平、降低临床失误率、早期预警实现及时诊疗、防大于治、减少医疗纠纷、提升科研水平。

对患者而言,减少医疗费用、提升预后效果、防止过度治疗、避免被诊疗失误。对市场而言,填补重症市场上临床辅助决策系统的空白、为临床医生和医院赋能提升科研和临床水平。

目前,脉兴医疗已经与北京协和医院、浙江医院、湘雅二医院、浙江大学医学院第一附属医院等医院达成合作,实现产品的临床落地。

脉兴医疗CEO黄可智介绍,对标国外,目前在ICU领域AI产品的研发有突出成果,具有代表性的是美国Medical inforatics corp医疗软件公司、以色列Clew Medical公司、美国EXCEL公司等多家企业,其中EXCEL公司研发的AI预测死亡的产品获得了FDA批准,而在近两年这几家公司均获得了巨额融资。

“上述可见AI+ICU的市场前景很大,我们期待随着人工智能介入ICU的发展,未来产品可实现由辅助决策到代替决策的跨越,更好地服务于医生和患者。同时,脉兴在其它医疗AI领域也有相关研究,与浙江大学医学院附属妇产医院合作研发的高危孕产妇智能预测模型能够对高危孕产妇做出筛查,准确率已经达到90%以上,为接下来的临床应用打下良好基础!”脉兴医疗CEO黄可智掷地有声地说道。

他表示,下一步将加大研发力度,推动产品在ICU领域的下沉应用并逐步开展AI在其它医疗场景的建设。有意向的机构请联系动脉网融资助手小云:DongMai_Investent

动脉网
动脉网

专注医疗产业服务平台

产业
1
相关数据
机器学习技术

机器学习是人工智能的一个分支,是一门多领域交叉学科,涉及概率论、统计学、逼近论、凸分析、计算复杂性理论等多门学科。机器学习理论主要是设计和分析一些让计算机可以自动“学习”的算法。因为学习算法中涉及了大量的统计学理论,机器学习与推断统计学联系尤为密切,也被称为统计学习理论。算法设计方面,机器学习理论关注可以实现的,行之有效的学习算法。

人工智能技术

在学术研究领域,人工智能通常指能够感知周围环境并采取行动以实现最优的可能结果的智能体(intelligent agent)

知识图谱技术

知识图谱本质上是语义网络,是一种基于图的数据结构,由节点(Point)和边(Edge)组成。在知识图谱里,每个节点表示现实世界中存在的“实体”,每条边为实体与实体之间的“关系”。知识图谱是关系的最有效的表示方式。通俗地讲,知识图谱就是把所有不同种类的信息(Heterogeneous Information)连接在一起而得到的一个关系网络。知识图谱提供了从“关系”的角度去分析问题的能力。 知识图谱这个概念最早由Google提出,主要是用来优化现有的搜索引擎。不同于基于关键词搜索的传统搜索引擎,知识图谱可用来更好地查询复杂的关联信息,从语义层面理解用户意图,改进搜索质量。比如在Google的搜索框里输入Bill Gates的时候,搜索结果页面的右侧还会出现Bill Gates相关的信息比如出生年月,家庭情况等等。

准确率技术

分类模型的正确预测所占的比例。在多类别分类中,准确率的定义为:正确的预测数/样本总数。 在二元分类中,准确率的定义为:(真正例数+真负例数)/样本总数

映射技术

映射指的是具有某种特殊结构的函数,或泛指类函数思想的范畴论中的态射。 逻辑和图论中也有一些不太常规的用法。其数学定义为:两个非空集合A与B间存在着对应关系f,而且对于A中的每一个元素x,B中总有有唯一的一个元素y与它对应,就这种对应为从A到B的映射,记作f:A→B。其中,y称为元素x在映射f下的象,记作:y=f(x)。x称为y关于映射f的原象*。*集合A中所有元素的象的集合称为映射f的值域,记作f(A)。同样的,在机器学习中,映射就是输入与输出之间的对应关系。

规范化技术

规范化:将属性数据按比例缩放,使之落入一个小的特定区间,如-1.0 到1.0 或0.0 到1.0。 通过将属性数据按比例缩放,使之落入一个小的特定区间,如0.0到1.0,对属性规范化。对于距离度量分类算法,如涉及神经网络或诸如最临近分类和聚类的分类算法,规范化特别有用。如果使用神经网络后向传播算法进行分类挖掘,对于训练样本属性输入值规范化将有助于加快学习阶段的速度。对于基于距离的方法,规范化可以帮助防止具有较大初始值域的属性与具有较小初始值域的属相相比,权重过大。有许多数据规范化的方法,包括最小-最大规范化、z-score规范化和按小数定标规范化。

自然语言处理技术

自然语言处理(英语:natural language processing,缩写作 NLP)是人工智能和语言学领域的分支学科。此领域探讨如何处理及运用自然语言;自然语言认知则是指让电脑“懂”人类的语言。自然语言生成系统把计算机数据转化为自然语言。自然语言理解系统把自然语言转化为计算机程序更易于处理的形式。

推荐文章
暂无评论
暂无评论~