AL123 人文社科会员免费专区文学 2024-12-01

AI加速键：上海人工智能创新发展探索与实践案例集_上海市人工智能行业协会主编_AZW3_MOBI_EPUB_PDF_电子书（无页码）_上海市人工智能行业协会主编

内容节选

【案例33】基于AI的静脉血栓栓塞症智能化预测及辅助诊疗系统上海森亿医疗科技有限公司（一）基本情况国内外已发展并形成多种静脉血栓栓塞症（VTE）风险评估工具，这些工具适用不同人群。可依据不同人群选择不同的评估工具，尽管如此，医院内VTE还是经常发生。首先，经Caprini量表或Padua评分表预测为中、低危的患者仍会发生VTE；其次，现有的VTE预防流程只能对所有的患者等重点环节进行VTE风险评估，但无法根据最新检查结果、最新诊断等证据进行实时VTE风险评估；最后，对于多数高危人群在众多的防治措施中缺乏循证的、个性化的治疗方案。深静脉血栓筛查的相关指标尚未统一，目前的住院患者栓塞风险的评估尚处于起步、分散状态。因此，为规范VTE的临床诊疗，有效开展医院内VTE评估、预防，降低VTE发生，希望通过机器学习构建一套智能化的医院内静脉血栓栓塞症防控系统，旨在指导临床上科学、有效地开展医院内VTE预防与管理，降低医疗风险，提高医疗质量。（二）创新内容 1.搭建VTE风险关键控制点及关键指标研究借鉴质量控制中的“4M1E”，即人、机器、材料、方法、环境管理思路，VTE智能化预测及辅助诊疗系统分析VTE发生的因素，运用文献法、调查法、访谈法、客观数据分析法推导和筛选。该系统综合分析国内外文献，参考临床和护理专家的意见确定具体观察指标，制订患者基本信息表，并采集信息。该系统使用NLP引擎对文本信息进行抽取，包括命名实体识别、关联分析和概念映射，抽取的信息全部映射至SNOMED-CT的标准术语，并赋予唯一ID。 2.建立智能化的VTE风险预测模型 VTE智能化预测及辅助诊疗系统根据制订的VTE危险指标，确定相应的信息采集口径，提取相关研究信息，并对研究变量进行机器学习，通过各种机器学习方法，最终确定有意义的危险指标和变量，并建立一套准确率高的VTE预测系统。首先对全部的数据进行套索算法（LASSO）的建模，并结合医学专业知识，选择300余个预测特征。对这些选择后的特征使用基于模型堆叠方法（stacking）的二阶模型集成方法（ensemble）建模，一阶使用的模型包括Ridge回归、可扩展的提升树系统（XGB）、基于决策树算法的分布式梯度提升框架（LightGBM）、随机森林、基于模型集成方法的自适应增强机器学习算法（Adaboost）、支持向量机（SVM），二阶使用的模型为Ridge回归。后期将该套预测模型嵌入医院系统，可以实时监测每个患者的危险程度，根据新诊断和新检查结果重新评估静脉血栓栓塞症（VTE）危险程度并给予相应的提醒，降低VTE的发生率。 3.建立智能化的VTE辅助诊疗模型 VTE智能化预测及辅助诊疗系统通过特征空间邻近样本再抽样的算法对模型的分类判定进行再解释，抽取对单个患者预测结果影响较大并且可以通过干预影响的特征，根据影响程度的排名制订针对性的治疗方案。后期将该套辅助诊疗模型嵌入医院系统，可以对每例发生VTE的患者进行分析，针对不同原发病、不同危重程度的VTE患者进行最优化治疗方案的推荐。智能化的VTE辅助诊疗模型如图3-40所示。图3-40 智能化的VTE辅助诊疗模型（三）应用情况 VTE智能化预测及辅助诊疗该系统已于2018年在上海市第十人民医院（以下简称“十院”）顺利上线，目前应用效果如下： 1.智能评估替换人工评估，解放医务人员的大量时间该系统智能化地进行风险预测、辅助诊疗工具，实时监测患者的病情变化，极大改善目前医疗工作者繁重的评估工作，大量解放医生、护士的工作时间和精力。Caprini量表自动评分，当量表的指标数据变化时，可在3s内实现量表的自动评分，每周平均可为600名护士总共节约150h工作时间。 2.智能预警、精准医疗的辅助诊疗系统，降低住院患者并发症发生率，提高VTE抢救成功率，提高医疗质量，保障医疗安全 VTE风险预测和治疗决策工具为患者的VTE进行危险分层，提前预警和治疗决策，针对不同危险分层采取相应预防措施，提前干预。 3.提高服务水平，合理利用医疗资源，减少医疗资源浪费基于智能化风险评估，该系统对每个患者进行危险分层，并制订适合个体的预防方案，大大提升医疗服务水平；智能预测和辅助诊疗工具主动为患者的VTE防治进行提前干预，并提供有效的个性化治疗方案，这是一项患者、医院和社会三方共赢的工程，具有重要意义。国家卫生健康委员会（以下简称“国家卫健委”）统计信息中心信息技术处处长徐向东表示，医疗行业作为技术密集、知识密集、数据密集的行业，一直是AI应用的重要行业，而医疗健康是民众最关心的方面。因此，从保障和改善民生，为人民创造美好生活的需要出发，要推动AI＋医疗的深度应用。 VTE智能化预测及辅助诊疗系统通过医学自然语言处理与机器学习方法，整合医院内部病历、检查、检验等各个信息系......