目前人工智能在醫學(xué)領(lǐng)域，如圖像識別、語(yǔ)音處理等領(lǐng)域已逐步應用。那么，在腎病專(zhuān)科領(lǐng)域，尤其是透析領(lǐng)域，人工智能是否有新的進(jìn)展呢？來(lái)自西班牙的 Miguel Hueso 等對人工智能在透析中的應用進(jìn)行綜述，發(fā)表在最近一期的 Kidney disease 雜志上。  

      目前的透析設備不能對透析中突發(fā)情況進(jìn)行自動(dòng)處理，也不能對患者的既往情況進(jìn)行分析，從而進(jìn)行個(gè)性化治療。未來(lái)的創(chuàng )新透析設備，希望能達到微型化、持續性、個(gè)體化的透析治療。這種透析設備需要配備實(shí)時(shí)的設備監測報警系統、實(shí)時(shí)監測透析參數、實(shí)時(shí)監測患者相關(guān)數據，用于保證患者安全以及不斷根據患者參數的變化進(jìn)行透析處方的調整。這種未來(lái)的創(chuàng )新設備，需要獲取并處理大數據，以及實(shí)時(shí)的預測模型。這就需要機器學(xué)習等人工智能的參與。  

      為了進(jìn)一步探討人工智能對現今以及未來(lái)醫療的影響，最近在西班牙巴塞羅那的 L』Hospitalet 醫院，邀請人工智能以及透析方面的專(zhuān)家，召開(kāi)一場(chǎng)有關(guān)人工智能在透析中應用的科學(xué)會(huì )議。以下是一些人工智能在血透中應用的例子：

     貧血治療與貧血控制模型  

      雖然透析能部分替代腎臟血液濾過(guò)的功能，但透析本身不能代替腎臟的代謝與內分泌功能。因此，透析患者常合并由于腎臟內分泌功能失調導致的并發(fā)癥：貧血。外源性紅細胞生成素 (ESA) 的出現，改善了透析患者的貧血狀況，但存在個(gè)體間療效差異。為了進(jìn)一步幫助腎病醫生針對貧血的 ESA 和鐵劑劑量處方進(jìn)行調整，開(kāi)發(fā)了一種人工智能工具。  

      這種貧血控制模型（ACM）包含兩個(gè)組成部分：（1）通過(guò)人工神經(jīng)網(wǎng)絡(luò )，根據患者臨床數據預測未來(lái)的血紅蛋白水平；（2）一種系統算法，用于推薦達到目標血紅蛋白水平的最佳 ESA 和鐵劑劑量。需要強調的是，ACM 只是提供治療推薦，但需要進(jìn)一步驗證推薦劑量的療效。  

      根據患者目前的狀態(tài)（實(shí)驗室檢查、基線(xiàn)資料、透析參數）、ESA 和鐵劑劑量，通過(guò)人工神經(jīng)網(wǎng)絡(luò )，訓練并預測未來(lái)一個(gè)月內血紅蛋白的變化。這種預測模型其實(shí)是以不同 ESA 劑量為自變量，血紅蛋白作為因變量的函數，用于下一步 ESA 劑量的選擇。

      總的來(lái)說(shuō)，這種算法在于通過(guò)模型擬合，尋找讓血紅蛋白達到目標范圍的最佳藥物劑量。ACM 與患者的臨床醫療信息系統相關(guān)聯(lián)，自動(dòng)實(shí)時(shí)獲取患者的臨床與實(shí)驗室數據。ACM 系統的引入，提高了患者貧血達標率 (70.6%～83.2%)，降低了貧血達標的個(gè)體差異性 (8.3 g/L～9.5 g/L)，減少了血紅蛋白超標（>12 g/L），減少 ESA 與鐵劑用量。

     血透中低血壓與機器學(xué)習系統  

      透析中低血壓（IDH）出現于 20% 的患者當中，并增加心血管死亡率和致殘率。IDH 的出現是由于目標體重變化量、血漿回輸能力以及心血管系統代償能力之間的失衡。為預防 IDH，開(kāi)發(fā)了一套多輸入 - 多輸出的系統，名為 HemocontrolTM 系統。 

      HemocontrolTM 系統評估三種變量（血液容量、體重變化量以及透析液平均鈉濃度），控制兩個(gè)透析參數（超濾量和透析液鈉濃度）。通過(guò)一種生物感受器 (HemoscanTM)，使用分光光度計原理評估血紅蛋白濃度，監測相對血液容量 (RBV)。RBV 是根據患者超濾量與目標血容量之間的比值得出的。HemocontrolTM 系統通過(guò)調整透析液的鈉濃度以及超濾率的生物反饋機制，調整 RBV 的變化趨勢。  

      研究已提示，與常規血透相比，HemocontrolTM 系統能顯著(zhù)地降低 39% 的 IDH 發(fā)生率、減少心臟驟停，并仍能保持每次治療的高濾過(guò)量。HemocontrolTM 系統通過(guò)開(kāi)始時(shí)的使用高鈉透析液，能促進(jìn)加壓素的釋放，是減少 IDH 發(fā)生率的可能機制。 

      人工智能在透析中的應用，還處于早期階段。主要的挑戰在于進(jìn)行醫療決策時(shí)，對人工智能數據模型的解讀和理解能力（圖 1）。

      解讀循環(huán)：想象一方面是機器側，包括數據、和 / 或相應的模型、機器學(xué)習解讀工具；另一方面是人類(lèi)側，包括基于現實(shí)認知模型的認知過(guò)程。這個(gè)循環(huán)能根據人類(lèi)解讀，讓數據與模型進(jìn)行相應的調整。 人工神經(jīng)網(wǎng)絡(luò )和醫療決策輔助系統已在貧血、預防透析中低血壓中使用。實(shí)時(shí)監測系統，聯(lián)合自動(dòng)的、持續性的生物反饋，能不斷地對透析處方進(jìn)行實(shí)時(shí)調整。

      實(shí)時(shí)監測、實(shí)時(shí)獲取的透析參數，將產(chǎn)生大量的數據，需要機器學(xué)習等具有處理大數據能力的分析方法。未來(lái)的人工智能在透析中的應用，將有助于未來(lái)的醫療決策以及保證患者安全。

       (來(lái)源：丁香園腎內頻道   作者：蘇國彬)