AI实现90%准确预测影响患者死亡率的“术中低血压”

by Lee Gwanju

Published 10 Jul.2023 08:11(KST)

首尔峨山医院-国立癌症中心团队开发
学习1万名患者动脉血压数据
可在手术中提前预测并应对低血压

手术中低血压在全身麻醉患者中较为常见，但会影响术后并发症发生率和死亡率。为加以预防，麻醉疼痛医学科专科医生需要在手术中持续观察患者的动脉血压变化，识别低血压风险，并尽可能将低血压状态降到最低。尤其是如果能够事先获知发生低血压的概率，医护人员便可提前应对，从而大幅提升手术安全性和患者预后。

近期，国内研究团队成功开发出可早期预测此类低血压发生概率的人工智能（AI），备受关注。首尔峨山医院麻醉疼痛医学科教授 Kim Seonghun、Park Yongseok，以及国立癌症中心国际癌医学院大学癌症AI数字健康学科教授 Kim Juntae 研究团队，成功开发出一款以1万余名手术患者动脉血压数据为基础训练的人工智能模型。该模型能够以约91%的准确率预测手术中可能发生低血压的患者。

从左起依次为：首尔峨山医院麻醉疼痛医学科教授 Kim Seonghun、Park Yongseok，国立癌症中心国际癌大学院大学癌AI数字健康学科教授 Kim Juntae。

手术中低血压是指患者的平均动脉压至少有1分钟低于65毫米汞柱的情况，可由出血或药物不良反应等原因引起。一旦在手术中出现低血压，可能会影响急性肾损伤、心肌梗死等并发症的发生以及死亡率，因此尽量减少低血压状态极为重要。然而，以往人工智能研究在预测过程的可解释性方面一直存在不足这一局限。

为克服这一问题，研究团队将2018年至2021年在首尔峨山医院接受手术的1万454名患者的动脉血压数据输入人工智能模型进行训练，提取出反映血管内血液流动量的动脉血压趋势。随后，将生成的各个低血压发生风险等级对应的代表性动脉血压趋势与实时趋势进行相似度比较，以此预测10分钟后发生低血压的概率。验证方面，分别通过患者数据进行内部效度验证，并利用登记在开源数据网络上的患者资料进行外部效度验证。结果显示，预测准确度在内部验证中约为91%，在外部验证中约为90%。

利用人工智能模型预测的低血压发生概率及其解析资料。首尔峨山医院供图

此外，以首尔峨山医院17名麻醉疼痛医学科专科医生为对象，对该人工智能模型的应用可能性进行评估时，相较于人工智能模型解释中广泛使用的Shapley判断方法（SHAP），该模型在▲临床准确性 ▲临床实用性 ▲手术中采用其进行决策的意向等项目上分别高出24%、41%、26%。

Kim Seonghun 教授表示：“本研究的意义在于，不仅能向医护人员提供低血压发生概率，还能实时给出判断依据，有望解决尚未满足的医疗需求。今后我们将持续开展研究，以确认该人工智能模型在改善患者预后方面是否真正发挥作用。”Kim Juntae 教授则说明：“本研究的意义在于，这并非单纯着眼于提升预测性能，而是首次以实际在手术室工作的麻醉疼痛医学科专科医生为对象开展评估的研究。”