纽约市 [2025年5月28日]——西奈山伊坎医学院的研究人员开发了一种机器学习工具，可以帮助医生管理心脏手术后患者的血糖水平，这是重症监护病房（ICU）中一项关键但常常困难的任务。研究结果于5月27日在线发表在《NPJ数字医学》杂志上。
心脏手术后，患者面临高血糖和低血糖的风险，这可能导致严重的并发症。管理这些波动需要仔细调整胰岛素剂量，但由于ICU护理的不可预测性和患者之间的差异，现有的协议往往不足，研究人员表示。
为了解决这一挑战，研究团队创建了一个名为GLUCOSE的强化学习模型，该模型可以推荐针对每个患者需求量身定制的胰岛素剂量。在使用实际ICU病例数据进行测试时，GLUCOSE与经验丰富的临床医生在保持血糖水平在安全范围内方面表现相当甚至更优，尽管它只能访问当前的患者数据，而医生则使用完整的病史。
“我们的研究表明，人工智能可以被精心且负责任地开发，以支持而不是取代医疗专业人员的临床判断，”共同资深通讯作者Ankit Sakhuja博士说，他是西奈山伊坎医学院的数据驱动和数字医学副教授，也是重症医学研究所的成员。“在像ICU这样复杂和高压的环境中，像GLUCOSE这样的工具可以提供实时的数据驱动指导，以适应个别患者的需求。这种决策支持可以提高安全性，减少并发症风险，并最终让临床医生能够更多地关注患者护理的关键方面。”
研究团队使用强化学习训练了GLUCOSE，使系统能够通过试错学习最优决策。他们还使用了保守和分布强化学习等高级方法，以确保模型做出谨慎可靠的建议。然后，该模型经过严格的评估并与实际临床实践进行了比较。
虽然结果令人鼓舞，但研究人员提醒说，GLUCOSE并不是要取代医生。它是一个临床决策支持工具，提供医生可以根据自己的判断和整体临床情况选择遵循的建议。
该模型最终可以集成到电子健康记录系统中，提供ICU中的实时胰岛素剂量指导，帮助减少并发症并改善结果。未来的步骤包括将该工具适应其他医院环境，进行临床试验，并探索将其整合到常规护理中的方法。
目前的一个限制是，该模型尚未考虑营养数据，这可能会影响长期血糖控制。然而，GLUCOSE能够在有限的实时数据基础上做出准确建议的能力突显了其在术后护理中提高安全性和效率的潜力。
“我们的目标是开发能够有意义地增强医疗保健提供者能力并最终改善患者结果的人工智能系统，”共同资深通讯作者Girish N. Nadkarni博士说，他是西奈山伊坎医学院Windreich人工智能与人类健康系主任，Hasso Plattner数字健康研究所所长，以及Irene和Dr. Arthur M. Fishberg医学教授，同时也是西奈山卫生系统的首席人工智能官。“通过从现实世界临床数据中学习并在实时提供个性化建议，像GLUCOSE这样的模型代表了将可信赖的数据驱动工具整合到临床工作流程中的重要进展。这项研究展示了如何将人工智能巧妙地嵌入护理中，以支持提供者提供更安全、更精准的治疗。”
论文题为“用于心脏手术后最佳血糖控制的分布强化学习模型”。
(全文结束)
