朴茨茅斯的人工智能专家和医疗保健专业人士合作，帮助预防晚期肾衰竭治疗中常见且痛苦的并发症。这项由朴茨茅斯大学和朴茨茅斯医院大学NHS信托（PHUT）领导的研究，开发了一种AI模型，用于预测哪些患者在接受透析治疗时最有可能出现血压下降的情况，这种状况被称为透析中低血压（IDH）。
在英国，有300万人患有慢性肾病，其中31,000人正在接受血液透析，即通过机器循环血液以清除毒素。这些患者在家中或中心进行治疗时最常见的并发症之一就是IDH，当他们的血压突然下降时会发生这种情况。IDH与死亡率增加和住院次数增多有关，但直到现在，还没有可靠的方法来预测它是否会发 生。
研究团队从2000年至2020年的20年间收集了10个治疗中心的数据，涉及3,944名患者。这些数据包括总共73,323次透析会话，其中有36,662次IDH事件。利用这些信息，他们确定了33个变量来确定最易受风险的个体。这些变量都是在临床护理过程中常规收集的观察结果，如体重、体温、年龄、血压、药物和治疗细节。
研究人员使用机器学习算法构建了一个预测器，该预测器有助于防止IDH事件的发生。在测试的五种不同算法中，随机森林模型的整体预测准确性最高（75.5%），而双向长短期记忆模型的灵敏度最高（78.5%）。分析还显示，收缩压和舒张压是关键的预测变量。
项目负责人、朴茨茅斯大学电气与机械工程学院的Shamsul Masum博士表示：“这项研究突显了在医疗保健中使用机器学习的价值，特别是在像透析这样复杂的情况下。预测低血压不仅有助于医生早期干预，还为个性化护理打开了大门。”
随着这些模型的不断发展和完善，目标是创建一个实用的决策支持系统，以增强透析管理、患者安全和护理质量。研究还使用仅以透析前数据作为输入的算法进行了测试，以模拟透析会话开始时的情景。结果显示预测性能有所下降，但仍具有临床实用性。
该论文发表在《肾脏护理杂志》上，未来的工作将涉及为医生构建决策支持系统并进行临床试验。论文的共同作者包括PHUT的顾问肾病学家Nicholas Sangala博士和Robert Lewis博士。
Nicholas Sangala博士说：“这一模型展示了巨大的前景，可能会引领一个未来，AI/ML可以用于为透析患者提供个性化治疗，并显著降低IDH和其他并发症的风险。”
Robert Lewis博士补充道：“临床预测IHD非常困难且不可靠。这项研究表明，AI和机器学习可以作为工具，帮助向患者提供更安全的护理。”
该模型的想法源自大学和信托机构之前的一项研究。两年前，研究团队宣布开发了一种算法，可以估计患者被诊断为结肠癌后可能在医院停留的时间。通过人工智能和数据分析，他们能够预测患者的住院时间、手术后是否会再次入院以及在1个月或3个月内的死亡概率。
朴茨茅斯大学名誉教授Adrian Hopgood表示：“尽管生成式AI正在吸引头条新闻，但这些研究表明，支持决策的AI仍然同样重要，而且机器学习可以在使用现有中等规模数据集的情况下有效。”
这两项研究都是朴茨茅斯大学未来和新兴技术研究主题的一部分；这是写入大学2025战略的五个主题领域之一，旨在通过跨学科研究、创新和教育促进知识和影响的扩展。
(全文结束)