研究显示人工智能可以改善早产儿的静脉营养

斯坦福医学院的一项研究表明，人工智能可以改善早产儿的静脉营养。这项将于3月25日在《自然医学》杂志上发表的研究是首批展示人工智能算法如何帮助医生为患病新生儿做出更好临床决策的研究之一。

该算法使用早产儿的电子病历信息来预测他们需要哪些营养成分以及所需数量。人工智能工具经过近8万份过去的静脉营养处方数据训练，这些数据与小患者的治疗结果相关联。

研究人员表示，利用人工智能帮助开具静脉营养处方可以减少医疗错误，节省时间和金钱，并使在资源匮乏的环境中照顾早产儿变得更加容易。静脉营养，也称为全胃肠外营养，是喂养那些消化系统尚未成熟到能够吸收营养的早产儿的唯一方法。

“目前，我们每天为每个婴儿单独开具一份TPN（全胃肠外营养）处方。我们从头开始制作并提供给他们。全胃肠外营养是新生儿重症监护病房中最大的医疗错误来源，无论是在美国还是全球。”高级研究作者、麻醉学、围手术期及疼痛医学副教授兼儿科教授Nima Aghaeepour博士说。

这个过程不仅容易出错，而且医生很难知道他们的配方是否正确。例如，没有血液测试可以测量早产儿每天摄入的卡路里是否正确，与足月婴儿不同，早产儿在饥饿时不一定哭闹，在吃饱时也不一定表现出满足感。

“营养是新生儿重症监护中我们最薄弱的领域之一。”研究共同作者、新生儿科医生兼哈罗德·K·费伯儿科学教授David Stevenson博士说。

“我们无法模拟胎盘的作用。”他说。

一个缓慢的过程

大约10%的婴儿会早产，即至少提前三周出生。出生超过八周左右的早产儿尚未准备好通过微生物群落吸收营养，因此需要静脉喂养。此外，一些早产儿因早产而出现胃微生物群落并发症，需要在微生物群落愈合期间进行静脉营养。

目前，这些患者每天都会根据个人情况开具静脉营养处方。患者需要宏量营养素，如蛋白质、脂肪和碳水化合物的分子构建块；微量营养素如维生素、矿物质和电解质；以及药物如肝素，以减少血栓风险。当前的处方基于婴儿的体重、发育阶段和实验室检查结果等因素。

提供这些处方需要六个专家协同工作数小时：一名新生儿科医生或药剂师编写每份处方，由一名营养师检查营养成分，再由另一名药剂师检查安全性。处方会被送到复合药房准备，然后送到新生儿重症监护室，由一名护士进行静脉注射，另一名护士再次确认每位患者收到正确的制剂。

“这是一种高风险药物，因为它是一种混合物。”研究共同作者、斯坦福儿童健康中心执行主任兼首席药剂师Shabnam Gaskari博士说。“如果我们有制造好的、随时可用的TPN，那将非常有益。我认为这对患者来说会更安全。”

向标准配方迈进

研究人员想知道他们是否可以利用人工智能帮助医院提供制造好的、随时可用的营养配方。

他们的人工智能算法经过十年的电子病历数据训练，这些数据来自露西尔·帕卡德儿童医院的新生儿重症监护室，包括5,913名早产儿的79,790份静脉营养处方。该算法还可以访问患者的医疗结果信息，使其能够找到连接营养水平与婴儿健康的微妙模式。尽管医生们并不总是完全准确地开出每一份处方，但大量的数据克服了这个问题，使算法能够大致了解在不同的医疗情况下对婴儿有效的方法。

“这是人工智能的一个优势：有时不完美的数据就足够了，只要你有足够的数据。”Aghaeepour说。

经过十年的患者数据训练后，该算法将类似的营养处方分组，确定多少种标准配方可以满足所有患者的营养需求，以及每种配方包含什么。

“我们想：如果我们制定三种标准配方，或者十种，或者一百种呢？”Aghaeepour说。“事实证明，有了15种不同的静脉营养标准配方，你所推荐的与医生、药剂师和营养师本来会做的非常相似。但这些15种基于人工智能的配方可以显著提高速度和安全性。”

进一步，研究人员表明，人工智能算法可以使用患者电子病历中的数据来预测每个婴儿可能需要哪种配方，并且可以根据患者的成长和医疗状况的变化每天调整建议。因此，该算法可能会建议某个特定婴儿在五天内需要第8号配方，接下来一周需要第3号配方，然后再几天需要第14号配方，依此类推。

为了测试这种方法与实际处方相比的效果，研究团队为10名新生儿科医生设计了一个测试：医生被展示了过去患者的临床信息，以及他们实际接受的静脉营养处方和算法推荐的处方。医生不知道哪个处方是哪个；他们被要求选择他们认为更好的那个。医生们一致更喜欢人工智能生成的处方，而不是实际的处方。

研究人员还利用人工智能扫描过去患者的电子病历，寻找实际营养处方与人工智能推荐相差很大的病例。对于这些患者，他们发现死亡、败血症和肠病的风险明显高于那些处方与人工智能推荐相符的患者。

该团队还使用加州大学旧金山分校的真实数据（包括3,417名患者的63,273份营养处方）验证了人工智能模型，并发现该模型在预测这种人群的营养需求方面表现良好。

实施步骤

下一步将是进行一项随机临床试验，其中一些患者接受手动方法开具的营养处方，另一些患者接受人工智能推荐的处方，研究人员将观察各组的表现。

假设该系统得以实施，团队计划让医生和药剂师继续检查人工智能的推荐，并在必要时调整处方。

“人工智能的推荐基于添加到患者电子病历中的信息，因此如果记录中缺少某些信息，推荐将不准确。”Gaskari说。“我们需要临床医生查看并审核。”

但一旦处方获得医疗批准，可以在医院货架上存放的15种标准营养配方之一可以立即给患者使用，她补充道。

使用标准配方还将使静脉营养更加可及且成本更低，因为不再需要大型专家团队参与，也不再需要复合药房。这对于低收入国家或其他资源匮乏地区的医院将带来好处。

“这反映了我们对人工智能如何增强医学的希望：它将使医生变得更好，使顶级护理更加可及。”Stevenson说。“希望它还能让我们的医生有更多时间去做计算机无法做的事情，比如花时间陪伴婴儿及其家人，倾听他们的心声，并提供安慰和安心。”

南加州大学凯克医学院和洛杉矶儿童医院的科学家也为这项研究做出了贡献。

这项工作得到了美国国立卫生研究院（R35GM138353）、国家转化科学促进中心（UL1TR001872）、尤妮斯·肯尼迪·施莱佛国家儿童健康与人类发展研究所（R42HD115517）、布洛赫韦尔基金会、三月婴儿死亡率协会、阿尔弗雷德·E·曼恩基金会、斯坦福母婴健康研究所通过斯坦福SPARK转化研究项目、斯坦福高影响力技术基金和斯坦福生物设计的支持。该项目还得到了美国国立卫生研究院国家转化科学促进中心的支持，通过UCSF临床与转化科学研究所。

(全文结束)