华威大学的研究人员领导开发了一种新的人工智能工具，可以帮助医生在处理急性呼吸衰竭患者时做出困难且高风险的插管决策。
急性呼吸衰竭是指呼吸系统无法为身体提供氧气和/或清除二氧化碳。治疗主要依赖于提供外部呼吸支持，例如通过面罩进行无创通气（NIV），但大约40%的患者会失败NIV，随后需要气管插管和有创机械通气。
发表在《重症医学》杂志上，华威大学的研究人员开发了一种新的人工智能模型，可以帮助临床医生在急性呼吸衰竭患者的治疗早期识别出需要插管的患者，从而改善这些患者的预后。
华威大学工程学院的Declan Bates教授领导了这项研究，他表示：“治疗急性呼吸衰竭的每一步都需要临床医生在时间紧迫的环境中做出关键决策，而没有掌握全部信息。此外，那些NIV失败的患者随后死亡风险增加，因此这些决策具有实际后果。”
“我们创建了这个AI模型，以结合临床医生通常会测量的数据，如呼吸频率和动脉氧水平，并在开始NIV后的两小时内仅基于这些数据来预测NIV失败的可能性。它比现有方法显著更准确，这使得它在临床试验中应用前景良好，并最终广泛采用。”
“需要指出的是，这个AI模型并不是要取代医生的决策。它的目标是通过充分利用患者数据来协助他们——AI以客观的方式处理数据以做出预测，临床医生可以将这些预测纳入他们极其复杂的决策过程中。”
这个名为TabPFN的AI模型是一种专为表格数据分类任务设计的新机器学习模型。它使用“上下文学习”，因此不需要从头开始训练，并且在面对新数据（例如小规模的患者测量数据）时可以立即生成准确的预测。
TabPFN已经在华威大学附属的诺斯米德NHS信托医院的试点研究中首次进行实际测试。使用华威大学开发的AI模型的应用程序版本，临床医生输入医院中NIV患者的常规测量数据。这些数据被反馈到华威大学，AI模型会告诉华威团队其对患者在NIV上成功或失败的预测。
之后，临床医生反馈患者的实际结果，与AI模型的实时预测进行比较，以衡量其准确性。
诺斯米德NHS信托医院和伯明翰皇家国防医学中心的顾问麻醉师Tim Scott外科指挥官表示：“我和同事们目前正在医院中测试基于此模型的应用程序，它在预测NIV结果方面的准确性令人印象深刻。我们非常热衷于它改善患者预后的潜力，并希望进一步的发展能够使其在NHS中广泛推广。”
由于目前没有关于插管的正式指南，而且有证据表明临床医生不信任也不依赖现有的决策工具，TabPFN的开发是一个非常受欢迎的进步。
华威医学院院长Gavin Perkins教授表示：“急性呼吸衰竭患者消耗了不成比例的医院资源，死亡率很高，幸存者的健康相关生活质量较低。人工智能在帮助临床医生更好地管理这些患者并改善他们的预后方面具有巨大潜力。”
“华威的临床试验单位在评估新的急性呼吸衰竭治疗方法方面处于前沿，我们期待与工程学院的同事们合作，开发这些新技术，以造福患者。”
更多信息：Hang Yu等，使用TabPFN机器学习模型早期预测无创通气结果：一项多中心验证研究，《重症医学》（2025）。DOI：10.1007/s00134-025-08025-6
【全文结束】
