林雪平大学的研究人员开发了一种算法，可以识别出感染性休克风险较高的患者。
败血性休克是威胁生命的疾病，医生难以预测。同时，重要的是尽早识别症状，因为早期治疗会增加生存机会。一组LiU研究人员正在使用人工智能来识别患病风险最高的患者。
IDA计算机与信息科学系高级讲师MagnusBång说：“我们开发了一种算法，可以识别出感染性休克风险较高的患者。”
他领导了林雪平大学与林雪平大学医院和Östergötland地区合作的研究项目。该项目还包括Linköping大学的医师兼教授Michelle Chew，以及医师兼LiU研究人员Daniel Wilhelms。
MagnusBång说：“我们正在研究算法，并且正在测试医疗领域的AI技术。”
IDA的博士生JosefFagerström是该研究小组的成员，并且刚刚在著名的《科学报告》杂志上发表了一篇描述该算法的文章。
“该算法用于机器学习。JosefFagerström说：“我们已经使用来自MIMIC的数据训练了一个大型神经网络，MIMIC是一个美国数据库，其中包含来自波士顿一家医院的大量生物识别数据和实验室结果。”
该算法识别患者
MIMIC拥有59,000名重症监护病房入院的信息。它包含例如患者的年龄，体重，血压，脉搏频率和呼吸频率，以及化验结果，患者的病史和以前的操作信息。
允许网络调查数据库中的信息可能会使其发现某些观测值和败血性休克之间的联系。
“我们知道败血性休克发生后患者的数据是什么样的。我们根据医学文献选择了大约30个参数，例如体温，脉搏，年龄，以前的状况等。然后，我们在神经网络上运行了训练算法。它学会了识别随后遭受败血症性休克的患者。因此，该算法可以在出现败血性休克之前以较高的精度识别患者。” JosefFagerström说。
该算法发现的模式是如此复杂，以至于人们无法理解它是如何产生的。
“我们人类发现很难看到这种模式。该算法不仅考虑大量参数，而且考虑它们之间的关系。这些也非常复杂。” JosefFagerström说。
MagnusBång的研究小组还建立了一个用于患者监护的AI系统。目的是将来使用该技术实时监视医院的患者。
“我们的愿景是能够监视所有患者。如果以败血性休克为例，我们将收集所有测量值并允许网络对其进行分析。当发现有人有感染性休克的危险时，它会通知医生。” MagnusBång说。
那么医生如何使用这些信息?
确切地说，这是一个稍后要讨论的问题，但是这些信息可以为医生的决策提供支持。当算法检测到某些东西时，会通知医生。但是，由医生来做所有决定。目前，我们只是在测试这项技术，以确保它可行。” MagnusBång说。
人工智能和医疗保健–热门研究领域
MagnusBång说，人工智能，大数据和医疗保健的结合是当前的热门研究领域。与医学领域一样，这项研究被许多安全法规所围绕。
“在对患者进行测试时，这项工作需要经过道德审查。但是，如果允许我们测试我们的AI系统，则不会将其用于患者诊断。最初，我们只对技术测试感兴趣”，MagnusBång说。
他将该过程与开发新药的过程进行了比较。
“您必须进行对照试验。只有药物有效，您才能开始使用它，但在此之前，必须先进行严格的测试。”
他认为他们很快就能测试该项目。
MagnusBång说：“我们希望能够在2020年期间在林雪平大学医院急诊室测试我们的系统”。