医渡科技旗下HLT参与北京协和医院重症人工智能

近日，北京协和医院隆云主任研究团队在知名期刊《Frontiers In Medicine》上发表了论文《Using Machine Learning Algorithms to Predict Candidaemia in ICU Patients With New-Onset Systemic Inflammatory Response Syndrome》。文中介绍了隆云主任研究团队与医渡科技旗下开心生活科技（HLT）合作完成的念珠菌感染预测模型。

北京协和医院重症医学科主任医师隆云表示，重症医学临床实践中充满了海量的结构化数据，数据本身是客观存在的原始符号，是揭示临床表象的关键信息。认知数据与表象间的关系，是重症治疗的关键，而这也将会是重症大数据未来发展的基石。这些年来，重症大数据研究推动了重症疾病在预测、分型、治疗决策等诸多领域的进步，未来基于重症大数据及人工智能驱动的临床诊疗模式必将成为重症医学重要的发展方向。数据护航决策，智能膨胀思维，重症大数据与人工智能已在征途。

建立科学、精准、高效、合理的医疗服务体系，是“健康中国2030”战略实施的重要支撑和保障，也是我国医疗领域发展的重要趋势。医院高质量发展，医疗服务的升级，离不开技术的发展和支持，北京协和医院已在“智慧医疗”落地路上探索先行。医渡科技旗下HLT携手北京协和医院重症医学科室，将人工智能与医学紧密结合，创立AI预测模型，为临床诊疗提供了有效的决策依据。

念珠菌血症是临床一种常见且可能致命的血液感染，区分患有念珠菌血症的 ICU 患者有助于准确开具抗真菌药物的处方，从而制定个性化的指南。念珠菌病诊断的金标准是从无菌标本中培养出念珠菌或从病理组织中分离出念珠菌，但是这两种方法诊断的敏感度有限，基于此，由医渡科技旗下HLT提供机器算法，隆云主任团队开发出了一个可用于三甲医院ICU住院的SIRS患者发生念珠菌血症风险的预测模型。

该项回顾性观察性研究在授权范围内对三家三甲医院ICU发生sirs的患者构建念珠菌血症预测模型，根据纳排条件，对三家医院数据进行清洗、归一、结构化操作，共得到8002个样本，其中阳性样本137个，7865个阴性样本，使用SMOTE算法解决数据不平衡问题。

研究团队构建了逻辑回归、SVM、随机森林、极端随机树、XGBoost5个模型，同时使用5倍交叉验证的AUC面积作为衡量模型是否得到改善的评价指标，综合灵敏度、特异度、阳性预测值、阴性预测值及AUC多个评价指标，XGBoost模型整体效果最优。

在XGBoost模型，可以召回84%的念珠菌感染的患者，并且模型预测为阴性即99%以上的即为真正的阴性患者，可以将有感染风险的患者快速召回，及时治疗，降低死亡率和患者的疾病负担，又可以更好地辅助临床医生做出医疗决策以及更合理地分配医疗资源，优先将更多的资源分配给高危的患者。

疾病的诊断、预测是一门复杂的科学，在纷繁复杂的临床表现中，抓住重点并及时作出合理的诊断及治疗，这既要充实的临床学科基础和良好的临床思维，更需要在不断临床实践中汲取的智慧成果。通过建立疾病早期预测模型，可以提升医疗卫生服务质量，推动公共卫生诊疗水平提高。

未来，医渡科技旗下HLT将持续推动人工智能医疗健康产业发展，助力打造更智能、高效的医疗健康服务体系，加强临床医学技术创新，加快推进临床科研成果转化应用。

文章来源：《中国科技期刊研究》 网址: http://www.zgkjqkyjzz.cn/zonghexinwen/2021/0927/856.html