AI 模型为 NICU 婴儿配制救生营养

快速阅读: 《斯坦福日报》消息，研究团队开发了新型AI模型TPN2.0，可根据数据生成婴儿救命治疗方案，提升安全性和成本效益。该模型结合多领域观点，需进一步临床验证及利益相关者评估，展现AI在医疗中辅助医生的巨大潜力。

在新生儿重症监护病房（NICU）中，医生们不断收集大量数据，而这些医生负责照顾的是最脆弱的人群之一：婴儿。斯坦福医学院阿加伊普实验室的研究人员和加州大学旧金山分校（UCSF）索里塔实验室的研究人员希望利用这些数据来开发人工智能（AI），以指导干预措施。近期，由麻醉学教授尼玛·阿加伊普领导的阿加伊普实验室开发了TPN2.0，这是一种新型AI模型，能够根据数据生成全肠外营养（TPN）配方，这是一种救命的治疗方式，用于NICU中的婴儿。目前的TPN配方需要多学科团队，并且耗时且成本高昂。该研究由阿加伊普实验室主导，发表在《自然》杂志上，由共同第一作者乔·庞普里查、博士后研究员马克斯·格纳姆、新生儿科医生乔恩·里斯以及UCSF临床信息学与数字转型副教授托米科·奥斯科茨基牵头。

实验室成员最初考虑主导一个预测性AI模型，但最终确定了一个推荐临床操作的模型会更有益，根据阿加伊普的说法：“我们很快意识到，如果我们只是预测这个病人会有这种或那种并发症，这对护理团队来说并没有特别的帮助。”斯坦福大学的一些同事最初联系我讨论TPN，这非常有帮助。”

研究人员使用来自5,913名患者的电子健康记录数据训练TPN2.0，创建了15个标准化配方，以提高TPN处方过程的安全性和成本效益。这项跨学科项目要求研究人员考虑药理学家、医生、护士和营养师等不同领域的观点。“如果你是一个计算机科学的人，而且没有与他们合作，你只是按照接收到的数据格式进行预测，这可能对那些将要使用它的人来说并不相关，”庞普里查说。“这些都是医学界的知识，像我这样的计算机科学家必须将其适应到AI中。”

在博士研究期间，庞普里查主要在化学工程领域工作，当他转向AI医疗应用时，不得不调整以应对更直接的患者后果。格纳姆在完成黎巴嫩美国大学的医学培训后加入该项目。他来到斯坦福大学进行机器学习的博士后研究，而不是住院医师培训，这位医生出身的研究者发现了一个充满无限机会的中心，促使他深入AI建模。“我来自的地方，总是有资源限制阻碍着我，”格纳姆说。“当你来到斯坦福，他们会给你提供一切。”

根据里斯的说法，所有临床问题和实验室值在TPN给药前也会影响模型决策，使TPN2.0成为比目前NICU中使用的模型更“复杂”的AI模型。里斯和他的同事们严格训练TPN2.0产生实用的处方建议，然后将其交给UCSF的奥斯科茨基领导的同事进行模型验证。该团队的工作为新的临床AI互动打开了大门，并且“在方法上开辟了一条途径，可以实施不同类型的数据并改善婴儿的整体健康”，马里纳·西罗塔 ’06 M.S.’06 Ph.D.’10说，她是一位儿科教授，也是UCSF March of Dimes早产研究中心的领导者。西罗塔与该研究无关。

在考虑将TPN2.0实际应用于临床环境时，父母是另一个关键利益相关者。与婴儿的医疗服务提供者合作，父母可能会以鼓励和怀疑的态度对待AI模型的实施。“我可以想象一些父母信任计算机和数据的力量，确保我们给予他们的宝宝是最好的，”丽莎·贝恩 ’01说，她是斯坦福儿童健康NICU的质量改进副主任，她也没有参与这项研究。“那些不太信任技术的父母可能想要一个经验丰富的人来审查他们宝宝的配方，确保它是准确的。”

梅拉·桑卡尔，卢西尔·帕卡德儿童医院NICU的新生儿科医生和医学主任，看到了TPN2.0在美国以外的医院转变医疗服务的潜力，特别是在印度等患者群体中进行适当的模型测试。“有许多NICU正在与美国的一些同事合作，所以我认为研究的方式是在特定人群中进行研究并验证结论，”桑卡尔说。“就像这项研究在斯坦福和UCSF所做的那样，我认为它将涉及进行多中心研究以验证印度人群中的信息。”

最终，奥斯科茨基对将AI模型作为医生“助手”实施的可能性感到兴奋，他曾是一名急诊医学临床医生。“我记得在NICU期间（临床轮转期间）想，‘如果计算机能以更聪明的方式帮助我们，那将是令人震撼的，’”奥斯科茨基说。“看到这一切在我的一生中发展，真是令人叹为观止。”

(以上内容均由Ai生成)