在一項(xiàng)新的研究中，美國(guó)和英國(guó)的研究人員將人工智能（AI）應(yīng)用于解決檢測(cè)住院患者急性腎損傷（acute kidney injury, AKI）的問題。相關(guān)研究結(jié)果近期發(fā)表在Nature期刊上，論文標(biāo)題為“A clinically applicableapproach to continuous prediction of future acute kidney injury”。在這篇論文中，他們描述了他們的深度學(xué)習(xí)系統(tǒng)及其表現(xiàn)如何。

急性腎損傷（AKI）可導(dǎo)致腎臟惡化。在嚴(yán)重的情況下，它可能導(dǎo)致移植需求或死亡。急性腎損傷通常發(fā)生正在醫(yī)院中接受治療的患者身上，并且通常是身體快速下滑的跡象，需要醫(yī)院工作人員采取緊急措施以阻止進(jìn)一步的不可逆腎損傷。在這項(xiàng)新的研究中，這些研究人員想知道是否有可能使用人工智比在醫(yī)院中通常發(fā)生的時(shí)間更早地檢測(cè)急性腎損傷的癥狀，從而為患者提供更好的結(jié)果。為此，他們與美國(guó)退伍軍人管理局合作。

這些研究人員給一種深度學(xué)習(xí)系統(tǒng)提供了703782名退伍軍人的健康記錄，這些退伍軍人年齡從18歲到90歲不等，患有某種形式的急性腎損傷。這種深度學(xué)習(xí)系統(tǒng)使用來自退伍軍人的數(shù)據(jù)來檢測(cè)這些患者中微小變化模式，比如血液中的肌酐水平。隨后，他們重新運(yùn)行這些數(shù)據(jù)來測(cè)試他們的深度學(xué)習(xí)系統(tǒng)，以便觀察它如何很好地預(yù)測(cè)這些相同患者所患的急性腎損傷。

這些研究人員報(bào)道，他們的深度學(xué)習(xí)系統(tǒng)對(duì)于發(fā)生最嚴(yán)重形式的急性腎損傷的患者非常有效 ---它正確預(yù)測(cè)了大約90％的病例（提前期為48小時(shí)）。對(duì)于不太嚴(yán)重的急性腎損傷病例，這種深度學(xué)習(xí)系統(tǒng)表現(xiàn)不太好---在所有測(cè)試的病例中，它能夠正確預(yù)測(cè)AKI事件的只有55.8%。它還為每個(gè)正確的結(jié)果提供了兩個(gè)假陽性。盡管如此，這些研究人員仍然對(duì)將人工智能應(yīng)用于多種危重癥（比如心臟病發(fā)作風(fēng)險(xiǎn)）的可能性持樂觀態(tài)度。

這些研究人員正計(jì)劃繼續(xù)開展他們的研究---他們希望將研究范圍擴(kuò)大到更廣泛的人群。

參考資料：

1.Nenad Tomašev et al.A clinically applicable approach to continuous prediction of future acute kidney injury. Nature, 2019, doi:10.1038/s41586-019-1390-1.

2.Using AI to predict acute kidney injuryhttps://medicalxpress.com/news/2019-08-ai-acute-kidney-injury.html