※Bayesian Health的針對性即時預警系統（TREWS）可提早揪出敗血症風險。(示意圖。Photo credit: 生策會)

近日一項大型真實世界研究顯示，Bayesian Health研發出的針對性即時預警系統（TREWS）可有效提早揪出潛在敗血症的危險因子。

TREWS是一種演算法，可在醫院照護人員發現前，準確辨識出數以千計的敗血症病例。TREWS開發者、醫療人工智慧公司Bayesian Health的創辦人兼執行長Suchi Saria表示：｢敗血症如果沒有得到及時治療，就會在數小時內迅速惡化。

敗血症發生時，免疫系統將進入超速狀態以應對感染，而這種方式可能會導致組織損傷、器官衰竭和死亡。

CDC估計，美國每年有170萬成人患有敗血症，約有27萬人死亡。雖然絕大部分引發敗血症的感染是在醫院外，但它占醫院死亡人數的三分之一。

根據Sepsis Alliance的說法，敗血症有四個主要症狀：高溫、感染、精神衰退和極端疾病。然而，這些症狀在其他疾病、失調上都很常見，使得早期診斷具有挑戰性，許多病人無法及時獲得治療。

這種機器學習的演算法可從電子病歷中評估敗血症風險因子，如年齡、慢性病和免疫系統的減弱。它將這些因素與病人當前情況結合，預測敗血症的可能性。在某個閾值上，TREWS會將患者標記為敗血症的高風險患者，並列出原因。

在為期兩年的研究中，5家不同醫院的590,736名患者接受了TREWS的監測，結果在醫生開始使用抗生素之前，人工智慧正確地標記了6,877個敗血症病例。

最後，人工智慧發現了80%以上的敗血症病例，遠優於早期的系統。在《Nature Medicine》中，研究人員提到，目前最廣泛應用的敗血症早期預警系統之一，靈敏度只有33%。

研究人員指出，敗血症的早期診斷和治療與更高的存活率有關。

資料顯示，當被TREWS標記的敗血症患者在3小時內得到照護人員協助與3小時內沒有評估警報的情況相比，死亡率降低了18.7%。

Saria的下一步是擴大TREWS的使用範圍，以及開發新的人工智慧，以警示其他醫院併發症，如出血和心臟驟停等。

(來源:Freethink 生策中心編譯)