不受歡迎的訪客：掃描電子顯微照片顯示了紅細胞和血小板（藍色）之間的芽孢桿菌（粉色棒狀）。

在醫院里，醫生和護士會密切關注患者的生命體征和血液檢測結果，以發現膿毒癥的最初癥狀。患這種威脅生命的疾病時，身體以全身炎癥的方式對感染做出反應，從而導致器官衰竭。情況會迅速發展為重癥膿毒癥，然后發展為膿毒性休克（在美國，膿毒性休克患者的死亡率接近50%）。

但即使是最警覺的人也會疲勞，會犯錯誤，會看漏不易察覺的圖案。這就是幾家醫院正在試用人工智能膿毒癥檢測儀的原因。研究人員表示，隨著電子醫療記錄和警報的數據被整合到醫生的工作流程中，這些試點項目是AI融入到醫院運營的第一批實例。

下個月（即11月；本文的英文原文發表于10月），位于北卡羅來納州達勒姆的杜克大學醫院將正式啟用Sepsis Watch，它是一個基于AI的系統，可以識別出早期膿毒癥病例并發出警報。醫院將最先把它部署在急診室，然后擴展到綜合病房和重癥監護室。杜克大學健康創新研究所（Duke Institute for Health Innovation）主任、該項目的領導者之一Suresh Balu說：“最重要的是在患者進入ICU前及早發現其有膿毒癥癥狀。”

Sepsis Watch通過深度學習進行訓練，根據（包括生命體征、實驗室檢測結果和病史等）幾十個變量來識別病例；其訓練數據包括5萬份患者記錄，3200多萬個數據點。在運行時，它每5分鐘從患者的醫療記錄中提取一次信息，以評估他們的狀況，從而可提供人類醫生無法提供的密集的實時分析。如果AI系統確定患者符合膿毒癥早期癥狀的標準，它就會向醫院快速反應團隊的護士發出警報。

該研究所的內科醫生及數據科學家Mark Sendak說，人工智能并不能做所有的事情。當快速反應護士趕到患者的床邊時，他們的工作就是決定是否解除警報，將患者放在觀察名單上，還是與醫生討論開始治療。如果確定患者需要開始治療，Sepsis Watch系統還將指導工作人員按清單完成“拯救膿毒癥運動”（Surviving Sepsis Campaign）這一全球倡議所建議的治療步驟，包括在最初3小時內進行的血液檢測和藥物治療。“該模型檢測膿毒癥，”Sendak說，“但該應用的大部分功能還是集中在完成治療上。”

Sendak表示，他們的團隊仔細考慮了該系統的用戶界面以及警報如何適應現有工作流程。臨床醫生持謹慎態度，擔心會對他們的查房工作增加干擾：Sendak說，杜克大學醫院在2015年試用的另一個用于識別膿毒癥病例的早期預警系統有時會針對一名患者每天發出100次警報。

杜克大學醫院的這個Sepsis Watch系統不是第一個被送到醫院去用的基于人工智能的膿毒癥檢測儀。該榮譽屬于在賓夕法尼亞大學醫院用過的一個早期預警系統，該醫院的醫學副教授Craig Umscheid解釋說。他的團隊于2016年初啟用了那個系統，并于2017年將其停用。Umscheid表示，該系統根本沒有提高護理質量或改善患者情況——部分原因是因為它確定出可能的膿毒癥患者之前，醫務人員已經注意到了這些患者。“識別未預料到的病例的機會低于你的預期，”Umscheid說。

約翰霍普金斯大學計算機科學助理教授Suchi Saria說，在巴爾的摩的約翰霍普金斯醫院，類似的系統顯示出了更好的結果。Saria的團隊在2017年底啟用人工智能系統，她說它運行得非常好，以至于他們準備將其擴展部署到其他四家醫院。“我們看到護理方面發生了顯著的變化，”她說，“情況突然惡化的病例減少了。”霍普金斯膿毒癥檢測儀可為不同的患者群體做量身定制（例如，它根據不同的標準評估免疫系統受損的患者），而且有針對醫院不同部門進行優化的工作流程。

杜克大學的Sendak說，如果這些人工智能系統確實能改善護理質量，許多醫院將迫切希望采用這項技術。從2018年7月開始，美國政府的“醫院對比”（Hospital Compare）網站開始公布醫院的有關記錄數據，記錄是關于為膿毒癥提供的早期和適當的治療的。“全國的平均水平約為50％，”Sendak說，“很多地方都在努力解決這個問題。”