━━━━
在医院的重症监护室（ICU）中，病情危重的患者躺在病床上，身体连接一整套仪器，接受全天24小时的医疗监护。这些先进医疗设备用来维持患者的生命。静脉注射药液滴入血液，机械式呼吸机将空气送入患者肺部。贴身的传感器监测心率、血压及其他生命体征，床边的监护仪通过曲折的波形显示数据。一旦记录的数据超过正常参数，机器就会响起“嘟嘟”的示警声，提醒医护人员注意潜在问题。 虽然这个场景充满了高技术，但这些技术并没有发挥出其最佳效果。每台机器分别监测患者身体的不同部位，所有机器的工作并不协调一致，也没有对大量的数据进行采集或分析。此外，重症监护室医疗团队（包括急救医生、护士、呼吸师、药剂师以及其他专科医师）不可能时刻关注到每个患者。
在未来， 重症监护室将更好地利用各种机器以及机器不断产生的数据流。监护仪将不再单独工作，而是将信息综合在一起，向医生提供患者身体状况的完整信息。该信息也会输入人工智能（AI）系统，人工智能系统将自动调整仪器设置，从而保证患者处于最佳监护条件。 我们的自主医疗公司（Autonomous Healthcare）位于新泽西州的霍博肯，致力于设计建造首批面向重症监护室的人工智能系统。这些技术是为了给患者提供警觉且细致的医疗护理，就像有一位医疗专家时刻陪伴在患者床前，为患者悉心调节方案。此系统能够减轻重症监护室医护人员过重的工作负担。此外，如果人工智能技术可以帮助患者尽快转出重症监护室，那么就能降低飞涨的医疗费用。我们初步将重点放在美国境内的医院，但是随着人口老龄化及慢性病患者人数的增长，我们的技术将在世界范围内发挥作用。
人工呼吸机效益空间是巨大的。在美国，重症监护室是医疗体系中最昂贵的一部分。每天大概有5.5万名患者在重症监护室接受，日均费用在3000至1万美元。重症监护室费用每年累计超过800亿美元。
随着婴儿潮一代步入老年，重症监护室变得越来越重要。如今，在美国重症监护室的患者中，年龄超过65岁的占一半以上。这个人的数量在2014年为460万，预计到2030年将增长到740万。欧洲和亚洲也存在这一趋势，人口老龄化已成为世界难题。为了满足日益增长的重症临床护理需求，不仅要提高重症监护室的容量，还要提升其功能。培养更多的重症监护医师是解决方法的一部分，自动化是解决方案的另一部分。人工智能系统并非要取代人类，而是要成为医疗团队的一员，到医生和护士最需要它们的地方施展才能。
━━━━世纪文学
目前的重症监护室中，临床监护仪的显示屏几秒钟更新一次，仪器测量的数据通常都会遗失。但现在一些先进的重症监护室正尝试保存和分析这些数据，但要为临床观察提供支持还有很大的难度。
医生通常既没有时间也没有工具来分析快速累积的数据。但是人工智能系统却能做到这一点，并且可以根据数据采取行动，比如调整承担重症监护关键任务的仪器设置。自主医疗公司目前首要关注的是对患者的呼吸机和输液器进行控制的人工智能系统。当患者昏迷或肺衰竭时，会用到机械式呼吸机，这在重症监护室非常常见。细致的点滴管理可保持患者循环系统内的血液量稳定，确保所有人体组织和器官都得到足够的氧气。
我们的方法源自航空航天业，这一点你肯定很难相信吧。我们3位作者中的两位——Haddad和Gholami——是航天控制专家。我们是在佐治亚理工学院的航天工程学院结识的。那时Haddad是动力系统与控制教授，Gholami是博士研究生，Bailey于本世纪初加入我们时，还是埃默里大学医学院麻醉学的助教。Haddad和Bailey首先研究的是手术室中自动麻醉配量与给药的控制方法，并先后在亚特兰大的埃默里大学医院以及佐治亚州盖恩斯
维尔的东北佐治亚医疗中心进行了相关临床测试。之后，我们将目光转向重症监护室中更复杂、涉及范围更广的控制问题上。2013年，为了研制的人工智能系统的商业化，Haddad和Gholami共同创立了自主医疗公司。Gholami是公司的执行总裁，Haddad是首席科学顾问，Bailey是首席医务官。
航天与医学有何联系呢？这两个领域都会遇到生命危在旦夕的时刻，需要迅速处理大量数据并做出决策，而且都需要同时处理多项任务，以确保整体顺利运行。尤其引起我们注意的是，反馈控制技术通过传感、计算与执行，利用算法和反馈来调整整个工程系统的行为，在飞行控制与空中交通控制的安全关键系统中起到不可或缺的作用。我们认为，反馈控制技术在重症监护医学领域也可发挥作用。
但是飞行器与患者身体之间存在一个重大区别。飞行器的设计与操控以完善的机械和空气动力学理论为基础，而人体涉及高度复杂的生物系统，其功能与相互作用机制，我们至今尚未完全清楚。
想想分析机械式呼吸机的管理吧。严重外伤、肺部感染、心脏衰竭或败血症等炎症反应综合征的重症监护室患者或许都需要机械式呼吸机。呼吸机循环往复，将空气压入肺中，然
后让肺被动地将气体排出。可以设置呼吸机完成整个过程，也可以仅辅助患者自主呼吸。
张鸣岐
人机互动的管理十分精细。人体有专门的自主呼吸管理机制，即神经系统控制隔膜肌收缩，向下拉动肺部从而吸入空气。呼吸机必须与这一人体内在驱动机制协作，保持与患者呼气/吸气的自然转换节奏同步，并与患者自然的呼吸量持平。
五常论坛遗憾的是，患者的实际需求与机器的供应常常是不协调的，这会导致患者产生“呼吸机拮抗”。比如，患者所需的吸气时间可能要长一些，而呼吸机则过早地从吸气转换为呼气。这些人机异步问题通常会导致患者长时间地依赖呼吸机、延长患者在重症监护室的时间，增加死亡风险。专家们尚不清楚为何异步问题会产生这些不利影响，但当患者在努力呼气而机器却在输入空气时，患者会明显地感觉到不适，同时其肌肉也会承受更多负担。据估计，在美国的重症监护室里，大概有12%到43%的病患出现与呼吸机严重不同步的情况。
解决这一问题的首要步骤是检测出异步情况。经验丰富的呼吸师可通过持续观察呼吸机显示屏上的压力和流量波形来识别不同类型的异步。但是在重症监护室中，一位呼吸师通常只能兼顾十几位患者，无法同时顾及所有患者。
国际经济合作
我们公司设计了可代替人工检测呼吸异步的机器学习系统。我们利用患者呼吸机的波形数据集来训练这个学习系统，使用的每个波形数据都经过了临床专家组的评估。我们的算法学习了不同异步类型的特征，比如在指定时间点上，流量信号的特殊下降。在对算法的首轮评估中，我们的重点是循环异步，这是最难检测的一种异步类型。此时呼吸机呼气阶段的起始点与患者的自主呼气不一致。我们的算法通过新数据集检测循环异步情况的准确率与专家持平。
2012北京高考理综
豫公网安备41160202000603
站长QQ:729038198
关于我们
投诉建议