对于心脏手术后恢复的患者，一种基于人工智能（AI）的新算法可能简化血糖监测和相应调整胰岛素的过程。研究人员表示，这种名为GLUCOSE的强化学习模型旨在根据每位患者的需求推荐胰岛素剂量，以避免不必要的并发症。例如，在这种情况下，高血糖已被证明会增加感染、肾损伤、心律失常和死亡等风险。
雅各布·M·德斯曼（Jacob M. Desman）及其同事在最近在线发表于《npj | 数字医学》杂志的论文中指出，目前的协议“往往未能在实际环境中考虑个体患者的差异”，因此只有15%的患者在心脏手术后的第一天内维持了最佳血糖水平。
该研究的资深研究员安吉特·萨库贾（Ankit Sakhuja）博士（纽约西奈山伊坎医学院）在接受TCTMD采访时说：“术后初期对患者来说是一个非常关键的时期，他们已经因为重大手术而病得很重，而且他们身上发生的事情太多了，这就是为什么他们的血糖水平失控。”他继续说道：“早期，患者的状况每小时甚至每分钟都在变化。这是一个非常动态的时期，跟上这些变化变得非常具有挑战性。”他指出，今天的血糖控制协议往往是机构特定的，但这个算法产生的建议是针对每个患者的。
萨库贾解释说：“我们的重点是从预测转向处方，朝着可操作的人工智能发展。”他预测，这种工具将改善结果并降低护理成本。
可操作的人工智能
GLUCOSE（Glucose Level Understanding and Control Optimized for Safety and Efficacy）模型基于来自MIMIC-IV数据库的6,148名ICU患者（平均年龄67.8岁；男性占71.1%），他们都接受了心脏手术。研究人员还在eICU-CRD数据库中的920名类似患者（平均年龄67.0岁；男性占67.2%）中对外部验证了该模型。
在两个队列中，分别有7.6%和7.2%的患者至少发生一次低血糖事件（血糖<70 mg/dL）。至少发生一次高血糖事件（>180 mg/dL）的患者分别占47.8%和47.3%。
临床医生给出的胰岛素剂量与GLUCOSE推荐的剂量在内部测试和外部验证数据集中分别有27.3%和20.3%的时间相同。在这两个队列中，接受与算法建议相似的胰岛素剂量的患者在理想的血糖窗口（70-180 mg/dL）内的时间最长。结果在按性别、种族和糖尿病状态定义的亚组中一致。
研究人员还进行了一项多阶段的临床验证研究，将该模型与初级和高级重症监护医师、护士从业者和内分泌学家的决策进行了比较。这些分析发现，“GLUCOSE的表现与高级临床医生相当或超过他们在平均绝对误差、安全性、有效性和胰岛素剂量的可接受性方面的表现”，最大的分歧发生在血糖值约为140 mg/dL时。
在验证了他们的模型后，萨库贾说：“下一步是在实时中部署[GLUCOSE]，看看当该算法投入使用时会发生什么。”他说：“到目前为止，人工智能在医疗保健领域有一个巨大的空白——我们开发了许多表现良好的模型，但它们没有看到光明的一天。”
(全文结束)
