利用人工智能预测手术中肾脏受损风险
Lee Hajung 领衔首尔大学团队，实现手术中按分钟级分析生物信号
韩国国内研究团队利用手术中产生的生物信号，开发出一款能够提前预测术后致命并发症之一——“术后急性肾损伤（PO-AKI）”风险的人工智能（AI）模型。
韩国保健产业振兴院29日表示，首尔大学医院肾脏内科 Lee Hajung、Park Sehun 教授，融合医学科 Kim Kwangsu 教授与研究员 Jeong Sumin 组成的联合研究团队，利用首尔大学医院、盆唐首尔大学医院及 Boramae医院的大规模手术数据，成功开发出一款以手术中实时测量的生物信号为基础，预测急性肾损伤发生风险的AI模型。
术后急性肾损伤是多种手术之后肾脏细胞受到损伤，导致肾脏功能急剧恶化的典型并发症之一，会延缓术后恢复，并显著增加透析及死亡风险，因此加强监测和早期治疗极为重要。然而，既有模型大多仅依赖手术前的基础信息，准确度较低，且无法实时反映手术中患者病情变化，存在明显局限。
为此，研究团队分析了手术过程中以1分钟为单位采集的血压、心率等生物信号，设计出一款用于预测急性肾损伤风险的深度学习模型，并同时纳入既有模型中的11项主要临床变量，从而强化预测性能。
术后急性肾损伤（PO-AKI）预测模型的整体结构。该图展示了本研究开发的术后急性肾损伤（PO-AKI）预测模型的整体结构。(a) 显示了为分析手术中实时采集的生理信号数据而设计的深度学习算法的内部结构，(b) 为本研究的整体设计流程图。
View original image该模型基于约11万名患者的手术数据进行训练，并在两个外部验证队列中进行了验证。结果显示，预测准确度（AUROC）在训练队列中为79.5%，在两个验证队列中分别为76.2%和78.6%，较既有模型表现出更为稳定且优越的性能，证明了其临床应用的可行性。尤其是在敏感度和特异度均设为95%的标准下，该模型仍展现出稳定的预测能力，有望对高危患者群体进行快速、早期筛查。
研究负责人 Lee Hajung 教授表示：“本研究在大规模临床环境中实现了利用手术中实时数据的AI预测模型，并完成了外部验证。既有模型只利用平均值、最小值等汇总信息，而本次模型应用了能直接接收‘瞬时变化’的深度学习技术，大幅提升了预测准确度。”
Park Sehun 教授则表示：“本模型基于临床数据，具有较高的实用性和可扩展性，若能与手术室内监测系统联动，将有望大幅改善手术患者的预后，并显著提升医疗安全水平。”
本研究在保健福祉部医疗数据保护与利用技术开发（研究与开发）项目，以及科学技术信息通信部AI先导型全球创新人才培养项目的支持下完成，并刊登于近期出版的国际权威医学期刊《PLOS Medicine》。
版权所有 © 阿视亚经济 (www.asiae.co.kr)。 未经许可不得转载。
