人工智能在血液透析中的監(jiān)測及預(yù)測應(yīng)用進展

魏花萍 ，郭振霞 *

（1.蘭州大學(xué)護理學(xué)院，甘肅 蘭州 730000；2.蘭州大學(xué)第一醫(yī)院，甘肅 蘭州 730000）

隨著科技的進步，人工智能（Artificial Intelligence，AI）技術(shù)日漸成熟，甚至在多個領(lǐng)域超越人工技術(shù)所能達到的水平[1]。人工智能技術(shù)與醫(yī)療技術(shù)的結(jié)合，有效幫助醫(yī)生進行疾病的診斷和輔助治療，協(xié)助醫(yī)療接診或初步分診等，幫助護理工作者擺脫大量重復(fù)單純的體力支出，對于醫(yī)療工作的開展起到很大的推動作用[2]。人工智能的主要優(yōu)勢在于能避免統(tǒng)計學(xué)造成的偏差，消除人為錯誤。持續(xù)不斷的AI數(shù)據(jù)監(jiān)測與更新，最終可以產(chǎn)生一個深度學(xué)習系統(tǒng)，其可以獨立預(yù)測、檢測和評估該領(lǐng)域的長期運行結(jié)果。

血液透析（HD）已成為可能存在腎功能不全患者選擇腎臟替代治療的一種方法，每周3次，每次4小時的血液透析可以延長患有多種并發(fā)癥的終末期腎病患者的生存期[3]，在延長患者的預(yù)期壽命和提高生活質(zhì)量方面發(fā)揮了作用。但患者在血液透析期間仍可能發(fā)生感染、心血管事件、肌肉痙攣甚至死亡。接受血液透析的患者發(fā)生嚴重心血管事件的風險增加，心臟病占所有死因的43%，其中約61%的死亡是由心臟驟停引起的。Rezapour等[4]將數(shù)據(jù)挖掘方法應(yīng)用于血液透析患者的治療記錄，以預(yù)測患者的生存率，目的是提供最佳的用藥計劃并降低患者的費用。電子病歷系統(tǒng)可以識別出許多已確定的風險因素，包括較低的超濾量、低鈣的透析液和較短的治療時間。Saurabh Singh Thaku等[5]基于監(jiān)督機器學(xué)習算法開發(fā)了一個預(yù)測模型，通過非接觸式傳感器設(shè)備的數(shù)據(jù)，記錄生命體征，如心率、呼吸頻率和心率變異性等重要參數(shù)，幫助醫(yī)生或護士做出為患者提供更好的護理和舒適度的決定，并用于分析和預(yù)測任何臨床緊急情況，如肌肉痙攣、急診就診、心血管事件、猝死等。人工智能在血液透析中的監(jiān)測及預(yù)測功能應(yīng)用如下。

1 透析過程中的功能監(jiān)測

1.1 血流動力學(xué)監(jiān)測

血流動力學(xué)不穩(wěn)定及急性腎損傷的重癥患者，不能耐受間歇性透析治療，容易因血容量不足引起低血壓[6]。對于血流動力學(xué)不穩(wěn)定的患者，連續(xù)腎臟替代治療（Continuous Renal Replacement Therapies，CRRT）[7]通過緩慢持續(xù)清除體內(nèi)的液體，確保患者生存和腎功能的恢復(fù)。與人工智能相結(jié)合改進后的CRRT技術(shù)可下載在線教程并協(xié)助進行故障排除，從機器和患者的電子病歷中連續(xù)、實時地獲取數(shù)據(jù)，并做到停機時間劑量補償、檸檬酸鹽抗凝期間的鈣替代、回路壓力曲線以及適當?shù)牧黧w平衡。建立自動生物反饋回路，基于各種連接平臺（機器、本地及云平臺）的監(jiān)視和數(shù)據(jù)收集系統(tǒng)，幫助腎病醫(yī)生評估是否達到了所提供治療的終點。這些技術(shù)的進步為根據(jù)特定的臨床條件和患者需求進行個性化治療提供了基礎(chǔ)[8]。

1.2 抗凝劑使用監(jiān)測

臨床上，透析專科醫(yī)生和護理人員在實施血液透析時，不知道如何運用科學(xué)方法來計算抗凝劑的用量。在大多數(shù)情況下，抗凝劑的用量取決于個別醫(yī)生和護士的主觀經(jīng)驗，這會導(dǎo)致體外凝血的發(fā)生，從而降低患者的生存率。醫(yī)護人員需要通過科學(xué)的方法來確定最佳抗凝劑使用的劑量及水平，以降低體外凝血的發(fā)生率。An-Jin Shie等[9]使用Taguchi方法，將神經(jīng)網(wǎng)絡(luò)和反向傳播網(wǎng)絡(luò)相結(jié)合，通過轉(zhuǎn)換函數(shù)來計算隱藏層數(shù)的設(shè)置，確定了血液透析程序中體外凝血發(fā)生的相關(guān)參數(shù)，以此來預(yù)測最佳凝血因子和水平的組合，獲得穩(wěn)定的血流環(huán)境。通過實驗，患者體外凝血的發(fā)生率由32%下降至12.9%[10]。

1.3 動靜脈瘺功能監(jiān)測

Ali Kordzadeh等[11]對266例動靜脈內(nèi)瘺手術(shù)治療的患者進行了連續(xù)的前瞻性研究。監(jiān)測患者的人口學(xué)資料（年齡、性別）、解剖學(xué)差異（頭靜脈和radial動脈直徑）、合并癥（糖尿病、缺血性心臟病、充血性心力衰竭、高血壓）和血管搏動等數(shù)據(jù)，數(shù)據(jù)被輸入人工神經(jīng)網(wǎng)絡(luò)中。通過10個因子來預(yù)測，發(fā)現(xiàn)年齡、動脈和靜脈直徑是動靜脈內(nèi)瘺成熟的關(guān)鍵因素，預(yù)測準確度>89%。

2 臨床預(yù)測功能

2.1 突發(fā)心源性死亡的預(yù)測

Benjamin A等[12]對透析的10萬名66歲以上患者建模并進行風險預(yù)測，監(jiān)測的數(shù)據(jù)包括：人口因素如年齡、性別、種族，透析相關(guān)因素如透析頻次、間隔天數(shù)、干體重、血流量、透析液流速、鈣含量、鉀含量，透析前血流動力學(xué)如透析前收縮壓、舒張壓、預(yù)沖液壓力，實驗室檢查指標如白蛋白、血紅蛋白、白細胞計數(shù)、血小板、肌酐、磷、鉀鹽、鈣×磷、鐵、鈣、甲狀旁腺激素，透析過程中用藥如肝素、蔗糖鐵，透析后因素如透析后體重、體重變化、實際透析時間，透析后血液動力學(xué)如下機后收縮壓、舒張壓等72個預(yù)測因素。將實驗室檢查結(jié)果作為協(xié)變量，評估電子病歷系統(tǒng)，以預(yù)測近期心臟猝死的潛在風險。從死亡記錄中確定患者心源性猝死的發(fā)生率相對較高，靈敏度為83%，特異性為95%。

2.2 老年透析患者的近期死亡風險預(yù)測

Shih-Yi Lin等[13]利用人工神經(jīng)網(wǎng)絡(luò)及隨機森林預(yù)測模型，建立了評估6個月死亡率的風險模型。通過綜合分析糖尿病、癌癥、酒精相關(guān)疾病、中風、COPD、陳舊性髖部骨折、骨質(zhì)疏松、阿爾茨海默病和既往呼吸衰竭病史等因素，建立接受透析的老年患者的綜合危險評分[14]及評估6個月死亡率的風險模型，幫助家庭成員和老年患者決定是否接受透析，尤其是對于那些年齡較大和合并癥較多的人群。

2.3 糖尿病腎病的進展預(yù)測

糖尿病腎病（Diabetic Kidney Disease，DKD）是血液透析的主要原因。Masaki Makino等[15]的研究使用結(jié)構(gòu)數(shù)據(jù)、文本數(shù)據(jù)和來自64 059名2型糖尿病患者的電子病歷（Electronic Medical Records，EMR）的縱向數(shù)據(jù)，3種不同的方法提取了6個月日益加重的糖尿病腎病患者的數(shù)據(jù)，建立了糖尿病腎病進展的臨床特征模型。首先，在患者出現(xiàn)臨床癥狀或體征如微量白蛋白尿之前，建立了新的糖尿病并發(fā)癥預(yù)測模型。其次，將大的EMR數(shù)據(jù)用于AI的機器學(xué)習。再次，人工智能使用了監(jiān)測之前6個月的時間序列數(shù)據(jù)，并預(yù)測了數(shù)據(jù)提取之后6個月糖尿病腎病的進展。這有助于更有效和準確地實施干預(yù)措施，以減少血液透析心血管事件的發(fā)生。

3 展望

未來的透析設(shè)備研究方向?qū)②呄蛐⌒突⒈銛y性、靈活性、用水效率和可穿戴技術(shù)。實時遠程監(jiān)控不能對所有患者進行監(jiān)測，可能僅適用于那些可能危及生命的緊急狀況且也可行的高風險患者。未來血液透析治療將更加個性化，重點放在心臟保護、容量管理、心律不齊監(jiān)測，從而使患者的體液和電解質(zhì)需求更加協(xié)調(diào)一致。人工智能的未來預(yù)測及模型應(yīng)始終用作輔助，而不是替代臨床決策過程。