陳珊黎 龐書(shū)麗 鄭 濤 王穎晶 丁粉華 邵維君 賈紅巖 韓 剛 吳曉萍
(上海交通大學(xué)醫(yī)學(xué)院附屬仁濟(jì)醫(yī)院 上海 200127)
膿毒癥(Sepsis)是感染引起宿主反應(yīng)失調(diào)進(jìn)而導(dǎo)致危及生命的器官功能損害的癥候群,具有起病急、進(jìn)展快、死亡率高的特點(diǎn),是醫(yī)院重癥加強(qiáng)護(hù)理病房(Intensive Care Unit,ICU)患者死亡的最重要病因。我國(guó)一項(xiàng)針對(duì)44所醫(yī)院ICU的研究顯示,ICU患者膿毒癥發(fā)病率為20.6%,病死率為35.5%,嚴(yán)重膿毒癥病死率高達(dá)50%及以上[1]。膿毒癥診治、預(yù)后與治療時(shí)間密切相關(guān),患者每延遲1小時(shí)治療死亡率增加7.6%[2]。因此《中國(guó)膿毒癥早期預(yù)防與阻斷急診專(zhuān)家共識(shí)》、中國(guó)預(yù)防膿毒癥行動(dòng)(Preventing Sepsis Campaign in China,PSCC)等提出將預(yù)防膿毒癥發(fā)生和阻斷進(jìn)展作為行動(dòng)關(guān)鍵節(jié)點(diǎn),以降低膿毒癥發(fā)生率和病死率[3]。
膿毒癥定義與診斷標(biāo)準(zhǔn)歷經(jīng)3次版本演變。1991年提出的Sepsis 1.0采用全身炎癥反應(yīng)綜合征(Systemic Inflammatory Response Syndrome,SIRS)診斷標(biāo)準(zhǔn),但過(guò)于敏感并缺乏特異性;2001年提出的Sepsis 2.0在SIRS基礎(chǔ)上增加21個(gè)指標(biāo)及參數(shù),過(guò)于復(fù)雜而阻礙臨床應(yīng)用[4];2016年發(fā)布的Sepsis 3.0將“序貫性器官衰竭評(píng)分(Sequential Organ Failure Assessment,SOFA)≥2分”、且發(fā)生“感染”兩個(gè)指標(biāo)作為膿毒癥診斷標(biāo)準(zhǔn),推薦快速序貫器官衰竭評(píng)分(quick Sequential Organ Failure Assessment,qSOFA)為住院患者疑似膿毒癥篩查工具。Sepsis 3.0能有效反映膿毒癥患者病理及生理過(guò)程且在診斷操作上更簡(jiǎn)單,能夠達(dá)到早診早治目的,值得臨床使用[5]。
膿毒癥實(shí)際臨床診治中延誤診斷、關(guān)鍵指標(biāo)評(píng)估率低等問(wèn)題突出。一項(xiàng)涉及華中地區(qū)79家醫(yī)院的急診膿毒癥防治現(xiàn)狀調(diào)查顯示,急診醫(yī)務(wù)人員對(duì)PSCC知曉率僅39.3%,對(duì)Sepsis 3.0知曉率為64.7%,認(rèn)為影響膿毒癥診治效果的最主要原因是早期識(shí)別能力有限,導(dǎo)致臨床診斷率偏低[6]。該問(wèn)題主要由于以下3方面原因:一是膿毒癥臨床癥狀不典型;二是SOFA評(píng)估體系繁瑣,涉及呼吸系統(tǒng)、血液系統(tǒng)等器官11項(xiàng)變量,臨床難以實(shí)現(xiàn)準(zhǔn)確而持續(xù)的評(píng)估;三是全院性管理問(wèn)題,非急診ICU醫(yī)生缺乏主動(dòng)篩查防治意識(shí),指南依從性低。
近年來(lái)人工智能技術(shù)逐漸應(yīng)用于疾病風(fēng)險(xiǎn)預(yù)測(cè)領(lǐng)域研究中,運(yùn)用機(jī)器學(xué)習(xí)算法挖掘患者臨床數(shù)據(jù),建立膿毒癥預(yù)測(cè)與診斷模型,能夠提高膿毒癥早期檢出率[7],提高治療效率,改善不良結(jié)局[8]。
國(guó)內(nèi)外已有多項(xiàng)利用人工智能(Artificial Intelligence,AI)算法建模預(yù)測(cè)膿毒癥風(fēng)險(xiǎn)的研究,但多為驗(yàn)證性研究或應(yīng)用于死亡風(fēng)險(xiǎn)預(yù)測(cè),缺乏基于Sepsis 3.0的膿毒癥預(yù)測(cè)與早診應(yīng)用?;赟epsis 1.0與2.0標(biāo)準(zhǔn)的應(yīng)用可能導(dǎo)致誤診、漏診[4],本研究基于Sepsis 3.0診斷標(biāo)準(zhǔn),面向設(shè)置病房的臨床科室與醫(yī)務(wù)管理部門(mén),采用自然語(yǔ)言處理、深度學(xué)習(xí)算法等人工智能技術(shù),進(jìn)行患者臨床數(shù)據(jù)挖掘分析,構(gòu)建院內(nèi)膿毒癥風(fēng)險(xiǎn)管理系統(tǒng),對(duì)在院患者進(jìn)行膿毒癥風(fēng)險(xiǎn)與診斷指標(biāo)的持續(xù)監(jiān)測(cè)、實(shí)時(shí)預(yù)警,對(duì)該病種質(zhì)控情況進(jìn)行多維度統(tǒng)計(jì)、分析,以實(shí)現(xiàn)全院膿毒癥風(fēng)險(xiǎn)的早期識(shí)別與診斷、患者死亡風(fēng)險(xiǎn)預(yù)測(cè),減輕臨床SOFA評(píng)估負(fù)擔(dān),為臨床及時(shí)治療爭(zhēng)取時(shí)間,最終達(dá)到持續(xù)改進(jìn)醫(yī)療質(zhì)量與安全的目的。
主要包括針對(duì)臨床科室與醫(yī)務(wù)部門(mén)的業(yè)務(wù)需求設(shè)定系統(tǒng)核心節(jié)點(diǎn)、管理流程;基于患者臨床數(shù)據(jù)與Sepsis 3.0診斷標(biāo)準(zhǔn)進(jìn)行算法建模;制定預(yù)測(cè)模型的驗(yàn)證流程。
為實(shí)現(xiàn)膿毒癥風(fēng)險(xiǎn)預(yù)警,支撐臨床決策,減輕臨床工作負(fù)擔(dān),膿毒癥風(fēng)險(xiǎn)管理系統(tǒng)監(jiān)測(cè)指標(biāo)參考膿毒癥臨床指南與專(zhuān)家共識(shí),遵循膿毒癥臨床診斷標(biāo)準(zhǔn),由ICU科室專(zhuān)家與系統(tǒng)研發(fā)團(tuán)隊(duì)共同制定,見(jiàn)表1。
表1 系統(tǒng)核心監(jiān)測(cè)指標(biāo)
根據(jù)qSOFA、Glasgow昏迷評(píng)分、SOFA、感染指征4個(gè)指標(biāo),系統(tǒng)在患者住院期間通過(guò)解析病歷內(nèi)容變化進(jìn)行持續(xù)監(jiān)測(cè),一旦達(dá)到質(zhì)控標(biāo)準(zhǔn)將實(shí)時(shí)做出預(yù)警、提醒補(bǔ)充診斷等。由于急診科患者相關(guān)回顧性研究指出qSOFA評(píng)分價(jià)值有限,其識(shí)別膿毒癥能力不如其他評(píng)估模型[9],因此設(shè)定系統(tǒng)對(duì)于自動(dòng)評(píng)估結(jié)果為qSOFA≥2的患者僅在后臺(tái)進(jìn)行統(tǒng)計(jì),而非醫(yī)生工作界面實(shí)時(shí)提醒。另外GCS量表中變量均為主觀性評(píng)價(jià),而非生命體征等證據(jù)類(lèi)數(shù)據(jù),所以該類(lèi)評(píng)分設(shè)定為提醒醫(yī)生人工執(zhí)行將更為準(zhǔn)確。對(duì)于SOFA≥2以及符合診斷標(biāo)準(zhǔn)的患者,均在醫(yī)生工作界面進(jìn)行自動(dòng)評(píng)價(jià)與實(shí)時(shí)提醒。在既定監(jiān)測(cè)指標(biāo)與質(zhì)控邏輯下,系統(tǒng)管理流程,見(jiàn)圖1。
圖1 系統(tǒng)管理流程注:紫色模塊為醫(yī)生工作界面提醒內(nèi)容。
膿毒癥風(fēng)險(xiǎn)管理系統(tǒng)基于患者臨床數(shù)據(jù)進(jìn)行相關(guān)指標(biāo)評(píng)價(jià),在系統(tǒng)實(shí)施上線前先與ICU臨床醫(yī)生確定該應(yīng)用場(chǎng)景數(shù)據(jù)采集需求。為確保系統(tǒng)數(shù)據(jù)采集完整性,提高系統(tǒng)預(yù)測(cè)性能,醫(yī)院真實(shí)病歷采用2.0版的國(guó)際疾病分類(lèi)第10次修訂本(International Classification of Disease V10,ICD-10)診斷字典和ICD-10手術(shù)字典。應(yīng)集成的數(shù)據(jù)及業(yè)務(wù)系統(tǒng)包括但不限于住院電子醫(yī)囑系統(tǒng),住院電子病歷系統(tǒng),醫(yī)院信息系統(tǒng)(Hospital Information System,HIS),檢驗(yàn)信息系統(tǒng)(Laboratory Information System,LIS),放射信息系統(tǒng)(Radiology Information System,RIS),護(hù)理信息系統(tǒng)(Nursing Information System,NIS)。其中能夠采集到的數(shù)據(jù)盡量是患者入院前3天門(mén)/急診LIS、RIS、NIS數(shù)據(jù)以及入院后所有LIS、RIS、NIS、病歷文書(shū)數(shù)據(jù),以確保SOFA評(píng)估量表中的血小板計(jì)數(shù)、血清膽紅素濃度等項(xiàng)目數(shù)據(jù)、疑似感染或感染信息能夠被抓取與識(shí)別。
膿毒癥風(fēng)險(xiǎn)管理系統(tǒng)在技術(shù)層面的3個(gè)要素是后結(jié)構(gòu)化數(shù)據(jù)、知識(shí)圖譜、規(guī)則推理引擎,見(jiàn)圖2。鑒于膿毒癥風(fēng)險(xiǎn)管理系統(tǒng)通過(guò)智能接口直接獲取的臨床數(shù)據(jù)結(jié)構(gòu)化程度低且具有多源異構(gòu)特點(diǎn)[10],需要使用自然語(yǔ)言處理技術(shù)來(lái)完成臨床數(shù)據(jù)抽取與實(shí)體分類(lèi)。目前國(guó)內(nèi)病歷文本識(shí)別領(lǐng)域尚未形成完整、標(biāo)準(zhǔn)的分類(lèi)tag標(biāo)簽,導(dǎo)致很多重要屬性類(lèi)實(shí)體,如“陰性/陽(yáng)性/是否本人/既往/現(xiàn)在/時(shí)間”等醫(yī)學(xué)信息沒(méi)有被抽取覆蓋[11-12]。在構(gòu)建膿毒癥風(fēng)險(xiǎn)管理系統(tǒng)過(guò)程中,通過(guò)融合國(guó)際性、多語(yǔ)種、包含內(nèi)容廣泛的臨床醫(yī)學(xué)術(shù)語(yǔ)集[13]——SNOMED CT術(shù)語(yǔ)概念,和電子病歷包含眾多醫(yī)學(xué)命名實(shí)體與屬性集合的特點(diǎn),構(gòu)建自洽性更強(qiáng)的中文病歷實(shí)體分類(lèi)標(biāo)簽體系。新的標(biāo)簽體系共設(shè)計(jì)26個(gè)標(biāo)簽類(lèi)型,形成完善的中文術(shù)語(yǔ)詞表,自然處理技術(shù)在標(biāo)簽基礎(chǔ)上,通過(guò)分句、分詞、詞性標(biāo)注、實(shí)體鏈接與編碼,進(jìn)一步完成患者臨床數(shù)據(jù)分類(lèi)提取與后結(jié)構(gòu)化處理。在知識(shí)圖譜構(gòu)建上,采用有監(jiān)督式深度學(xué)習(xí)算法,引入醫(yī)學(xué)人工標(biāo)注方式抽取國(guó)內(nèi)外膿毒癥權(quán)威指南文獻(xiàn)、專(zhuān)家共識(shí)、醫(yī)學(xué)教材等中的醫(yī)學(xué)邏輯,構(gòu)建疾病知識(shí)與知識(shí)規(guī)則庫(kù),形成覆蓋3 000余病種、萬(wàn)余篇權(quán)威文獻(xiàn)的醫(yī)學(xué)知識(shí)圖譜。醫(yī)學(xué)知識(shí)圖譜結(jié)合真實(shí)臨床環(huán)境診療數(shù)據(jù)抽取的關(guān)鍵信息,使知識(shí)圖譜的知識(shí)規(guī)則得以更新迭代,完整性與標(biāo)準(zhǔn)性進(jìn)一步提高?;谏鲜鲎匀徽Z(yǔ)言處理形成的標(biāo)準(zhǔn)化信息及醫(yī)學(xué)知識(shí)圖譜,采用深度學(xué)習(xí)算法完成膿毒癥預(yù)測(cè)模型構(gòu)建,輸出為風(fēng)險(xiǎn)評(píng)估、診斷等知識(shí)表示,從而在臨床診療過(guò)程中能夠?qū)ψ≡夯颊咄暾R床病歷數(shù)據(jù)進(jìn)行實(shí)時(shí)分析,將智能提示推送到醫(yī)生工作站界面。
圖2 系統(tǒng)技術(shù)架構(gòu)
系統(tǒng)上線前先組織臨床醫(yī)生通過(guò)人機(jī)評(píng)分對(duì)比方式對(duì)系統(tǒng)自動(dòng)完成的SOFA評(píng)估結(jié)果進(jìn)行審核,以判定系統(tǒng)評(píng)估準(zhǔn)確性(目標(biāo)值為95%以上)。人工評(píng)測(cè)流程主要包括4個(gè)步驟:一是選擇臨床經(jīng)驗(yàn)豐富的ICU科室醫(yī)生作為系統(tǒng)評(píng)分驗(yàn)證人員;二是在ICU科室真實(shí)臨床環(huán)境中選擇數(shù)據(jù)記錄較完整、準(zhǔn)確的住院患者,進(jìn)行SOFA各項(xiàng)變量的AI評(píng)估準(zhǔn)確性評(píng)測(cè)(與人工評(píng)估一致即視為準(zhǔn)確);三是將系統(tǒng)完成的每個(gè)ICU患者SOFA評(píng)估細(xì)項(xiàng)結(jié)果導(dǎo)出成表,逐項(xiàng)人工審核;四是經(jīng)系統(tǒng)驗(yàn)證人員審核,對(duì)系統(tǒng)評(píng)估錯(cuò)誤與遺漏情況進(jìn)行匯總統(tǒng)計(jì),提交給系統(tǒng)研發(fā)團(tuán)隊(duì)分析問(wèn)題產(chǎn)生根源,制定解決方案優(yōu)化算法。在本次研究中共進(jìn)行了兩輪系統(tǒng)測(cè)評(píng),每次選擇10位ICU住院患者進(jìn)行SOFA評(píng)估。其中第1輪測(cè)評(píng)結(jié)果顯示,SOFA評(píng)估表中的循環(huán)系統(tǒng)、呼吸系統(tǒng)、腎臟系統(tǒng)相關(guān)變量評(píng)估準(zhǔn)確率為100%,平均準(zhǔn)確率為76%;經(jīng)過(guò)問(wèn)題查因與算法優(yōu)化后,第2輪評(píng)測(cè)除血小板評(píng)估準(zhǔn)確率90%外,其余變量評(píng)估準(zhǔn)確率均為100%,平均準(zhǔn)確率為98.75%。經(jīng)過(guò)持續(xù)算法優(yōu)化后,系統(tǒng)準(zhǔn)確率不斷提升。
患者入院后,在醫(yī)生書(shū)寫(xiě)病歷過(guò)程中系統(tǒng)自動(dòng)對(duì)接醫(yī)院信息系統(tǒng)中的患者臨床數(shù)據(jù),挖掘與監(jiān)測(cè)指標(biāo)相關(guān)聯(lián)數(shù)據(jù),通過(guò)qSOFA指標(biāo)實(shí)時(shí)評(píng)估,幫助醫(yī)生鑒別出疑似感染患者;通過(guò)預(yù)警SOFA指標(biāo)分值變化,幫助臨床密切關(guān)注患者死亡風(fēng)險(xiǎn),實(shí)現(xiàn)每2小時(shí)重復(fù)評(píng)分;通過(guò)對(duì)臨床做出診斷等個(gè)性化管理,實(shí)現(xiàn)ICU、非ICU科室膿毒癥早期診斷。由于系統(tǒng)知識(shí)庫(kù)已納入膿毒癥相關(guān)疾病知識(shí)與評(píng)估表,醫(yī)生需要查詢(xún)文獻(xiàn)資料、實(shí)施GCS評(píng)分等,可直接在系統(tǒng)上操作,提升工作便捷性。
系統(tǒng)上線前醫(yī)院管理者對(duì)感染患者SOFA指標(biāo)是否有漏評(píng),診斷是否及時(shí)等情況難以實(shí)時(shí)了解,依靠強(qiáng)大算法能力,系統(tǒng)能夠?qū)崟r(shí)統(tǒng)計(jì)匯總?cè)?、科室、醫(yī)生膿毒癥風(fēng)險(xiǎn)管理情況,支持對(duì)各項(xiàng)指標(biāo)進(jìn)行縱橫向比較,幫助醫(yī)院醫(yī)務(wù)處、科室管理者實(shí)時(shí)獲悉重點(diǎn)患者相關(guān)指標(biāo)評(píng)估、會(huì)診等情況,實(shí)現(xiàn)精細(xì)化疾病管理并相應(yīng)地改進(jìn)質(zhì)量管理方案。
系統(tǒng)在全院推廣使用前,先選定ICU作為試點(diǎn)科室,經(jīng)過(guò)前期臨床效果驗(yàn)證與知識(shí)模型迭代優(yōu)化,再逐步增加應(yīng)用科室以提高臨床接受度。同時(shí)采取電子卡控方案,促使醫(yī)生及時(shí)確認(rèn)系統(tǒng)評(píng)估結(jié)果和補(bǔ)充診斷,提高指南依從性。此外在系統(tǒng)實(shí)施與運(yùn)行過(guò)程中,可采取3個(gè)策略進(jìn)行數(shù)據(jù)治理,為系統(tǒng)應(yīng)用提供高質(zhì)數(shù)據(jù):一是對(duì)數(shù)據(jù)采集所在醫(yī)院信息系統(tǒng)的技術(shù)框架和成熟程度進(jìn)行調(diào)研,確定數(shù)據(jù)治理具體技術(shù);二是與系統(tǒng)研發(fā)團(tuán)隊(duì)合作,制定數(shù)據(jù)質(zhì)量標(biāo)準(zhǔn),例如數(shù)據(jù)邏輯標(biāo)準(zhǔn)、病歷文書(shū)結(jié)構(gòu)化標(biāo)準(zhǔn)等,利用目前市場(chǎng)上已有的數(shù)據(jù)治理工具對(duì)數(shù)據(jù)進(jìn)行自動(dòng)化校驗(yàn),從病歷內(nèi)容覆蓋率、準(zhǔn)確率多維度提高數(shù)據(jù)質(zhì)量;三是結(jié)合人工標(biāo)注提升病歷數(shù)據(jù)后結(jié)構(gòu)化精準(zhǔn)度。通過(guò)形成智能應(yīng)用與數(shù)據(jù)基礎(chǔ)的治理循環(huán),相互發(fā)現(xiàn)問(wèn)題、優(yōu)化改進(jìn)。