机器学习指导外科手术麻醉监控

　　

手术过程中，麻醉师必须全程监测和管理病人，以确保患者安全和呼吸良好，不夸张的说，经验丰富的麻醉师管控着整台手术的节奏。但并非所有麻醉师总能准确无误地预测何时会出现并发症。如今，华盛顿大学的研究人员开发出一种名为Prescience的新型机器学习系统，它能根据病人机体指标图表和标准手术传感器的输入预测病人发生低压血症（hypoxemia）的可能性，这是一种严重的手术并发症，可导致感染和异常心脏行为。

10月10日《Nature Biomedical Engineering》发表了这项研究结果，预计可减少美国每年240万低血氧症病例。

“现代机器学习方法通常只吐一个预测结果就完了，它无法解释是什么患者体征促成了这种预测，”这篇文章的通讯作者、计算机科学与工程学院副教授Su-In Lee说。“我们的方法打开了这个黑匣子，机器可以向我们解释两个不同的病人为什么会发生低氧血症。这就是它的力量所在。”

研究人员先从了解手术室需要什么开始。“麻醉师告诉我们，我们对只有一个预测结果并不满意，我们想知道为什么，”Leeshuo .“这促使我们思考。”

首先研究人员从华盛顿大学医学中心和西雅图Harborview医学中心获得了5万例真实外科手术数据集，包括患者的年龄、体重，以及整个手术过程中实时、逐分钟的心率、血氧水平信息。科学家利用所有这些数据教会Prescience如何做出预测。

对于术前数据，Prescience发现体重指数是预测病人在手术台上是否会经历低氧血症的重要指标，在手术过程中，血氧水平本身对预测结果贡献最大。

随后，他们创建了一个网络界面，运行Prescience未接触过的病理数据，为了进行实测，研究人员特意挑选了难以预测的病例，例如患者血氧水平稳定10分钟开始下降。

“我们想知道这是否会对麻醉学家有所帮助，”文章一作Lundberg说。“从其他案例之中，我们确实得到了一些‘先见之明’。”

前瞻性提高了医生正确预测病人低血氧症风险的能力（术前提高16%，术中提高12%）。总的来说，在Prescience的帮助下，麻醉师能够在手术前和手术时区分80%的这种情况。

他们计划与麻醉师合作改善Prescience，并为其提供一个直观的可用界面，此外，他们还将推出预测其他身体指标的智能Prescience版本。

“技术旨在帮助麻醉师更好地照顾病人，做出更好的治疗决策，”Lundberg说。

联川生物为研究人员提供从miRNA发现到靶基因鉴定的一站式解决方案

原文检索：Explainable machine-learning predictions for the prevention of hypoxaemia during surgery

（生物通：伍松）