败血症或许大家都听过。通常，在医院，医生和护士会严密监测病人生命体征和血液情况，防止出现败血症最初症状。

之所以这样做，原因在于，首先，败血症极易危及生命，感染后身体会产生广泛的炎症反应，从而导致器官衰竭。其次，败血症还会迅速发展成为严重的脓毒症和脓毒性休克，在美国感染败血症的人群中，有50%的人死于感染性休克。

那什么是脓毒症？

医学上的解释为，脓毒症（sepsis）是指由感染引起的全身炎症反应综合征（systemicinflammatoryresponsesyndrome,SIRS），临床上证实有细菌存在或有高度可疑感染灶。

虽然脓毒症是由感染引起，但是一旦发生后，其发生发展遵循其自身的病理过程和规律，故从本质上讲脓毒症是机体对感染性因素的反应。

据了解，脓毒症发生率非常高，全球每年有超过万严重脓毒症病例，美国每年有75万例脓毒症患者，并且这一数字还以每年1.5%～8.0%的速度上升。

并且，脓毒症的病情凶险，病死率高，全球每天约人死于其并发症，美国每年约21.5万人死亡。国外流行病学调查显示，脓毒症的病死率已经超过心肌梗死，成为重症监护病房内非心脏病人死亡的主要原因。

正因如此，外媒IEEESpectrum报道称，今年11月，位于美国北卡罗来纳州达勒姆的杜克大学将正式发布SepsisWatch，这是一个基于AI的检测系统，其可以识别早期的败血症并发出警报。

SepsisWatch识别原理

基于生命体征、实验室测试结果、病史等多种变量，SepsisWatch通过深度学习来识别病例。

据悉，其训练数据由5万个病人的记录组成，这些记录一共包括万个数据点。在手术过程中，它平均每5分钟提取一次病人的医疗记录以评估他们的情况，提供人类医生所无法提供的密集的实时分析。

一旦判定病人具备败血症的早期症状，系统就会将预警信息传达给快速反应系统的护士。

医院的医生和数据科学家MarkSendak说:“AI不可能完成所有的事情”。因此，AI系统上传预警信息之后，是解除警报还是将病人放在观察名单上，或是和医生谈谈如何开始治疗，这些都需要快速反应团队的护士来进行。

此外，该系统还能指导医护人员按照全球倡议活动SurvivingSepsisCampaign所建议的治疗步骤进行操作，包括在最初的三个小时应该进行哪些血检项目和药物治疗。

同时，Sendak还表示：虽然该系统在设计之初就考虑了用户界面以及警报该如何与现有工作流程相匹配，但临床医生还是担心这个系统可能会对他们的日常工作造成干扰。

事实上，医院于年就已经试推了败血症预警系统，然而该系统有时候却在一天里针对一个病人就会发出次警报。

其他类似系统

不过，医院也不是唯一一个利用AI来医院。

宾夕法尼亚大学医学副教授CraigUmscheid表示，宾医院也曾应用过针对早期败血症的预警系统，这个系统于年年初上线又于年永久下线。

Umscheid表示：该系统丝毫没有帮助提升护理及治疗效果——部分原因是因为它所检测出的潜在患者其实早已被医护人员注意到了。“检测出未知病例的可能性远比你想象的低。”

“巴尔的摩的约翰·医院也有一个类似系统，且表现很好。”约翰·霍普金斯大学计算机科学助理教授SuchiSaria说道。

Saria的团队于年底发布了该AI系统，这项系统非常成功，以至于他们正准备将医院。

“我们看到医疗保健方面的重大变化”她表示,“患者突然恶化的病例也越来越少。”该医院为不同的病人量身定制败血症检测，它根据不同的标准评估免疫系统受损的病人，医院各个单位优化了工作流程。

不管如何，现在业内急需一款真正能够识别败血症的AI系统，“如果这些AI系统能够很好的改善护理，医院都会急于采用这项技术。”Sendak表示，毕竟，在美国，败血症死亡率高达50%。

更多精彩内容，