1. 首頁 > 生活雜燴 > 健康養生 > >

算法|聲稱能識別76%致死情況的醫療算法，實則只能彌補7%的人工紕漏

 
算法|聲稱能識別76%致死情況的醫療算法，實則只能彌補7%的人工紕漏
文章圖片
美國最大的電子健康記錄公司Epic Systems聲稱其開發的算法可以提前識別76%的敗血癥跡象。敗血癥是一種致命的感染并發癥，可導致器官衰竭，是醫院主要死因之一。
但根據周一發表在《美國醫學會雜志》(JAMA Internal Medicine)上的一項新研究，該算法并不像宣傳的那樣好用。研究發現它只有63%的時間是正確的。
【算法|聲稱能識別76%致死情況的醫療算法，實則只能彌補7%的人工紕漏 】Epic公司的一位發言人在一份聲明中對這一發現提出異議，說其他研究表明該算法是準確的。
敗血癥很難早期發現，但盡快開始治療可以提高患者的生存機會。Epic系統和其他類似的自動預警工具通過掃描病人的測試結果，以發現患者身上敗血癥的征兆。大約四分之一的美國醫院使用Epic的電子醫療記錄，數百家醫院使用其敗血癥預測工具，其中包括密歇根大學健康中心，該發現的研究作者卡蘭迪普·辛格在那擔任助理教授。
該研究檢查了密歇根醫學中心2018年和2019年近4萬次住院的數據。在這些住院病人中，有2552人患上了敗血癥，而Epic的敗血癥工具遺漏了其中的1709個病例。在被遺漏的病例中，其中約三分之二的病例仍被識別并迅速治療。該工具只發現了7%被醫生遺漏的敗血癥病例。分析還發現了一個很高的假陽性率：當一個病人的警報響起時，該病人實際發生敗血癥的可能性只有12%。
辛格發現，問題的部分原因似乎在于Epic算法的開發方式。它根據醫生提交治療方案的時間來定義敗血癥，而不一定是病人第一次出現癥狀的時間。這意味著它捕捉的是醫生已經認為有問題的病例。辛格說：“這基本上是在試圖預測醫生已經在做什么。這也不是研究人員通常會使用的敗血癥的衡量標準。”
挖掘病人數據以預測其健康狀況可能發生的情況的工具很常見，對醫生來說很有用。但是，它們的表現完全取決于訓練數據，并且與其他算法一樣存在偏見。2019年的一項研究發現，主要醫療系統用來標記需要特別關注的病人的一種算法對黑人病人有偏見。
在新冠疫情暴發的早期，Epic推出了另一個預測工具，稱為惡化指數。它的目的是幫助醫生決定哪些病人應該進入重癥監護室。由于情況緊急，因此該算法在沒有受到獨立評估前便投入各大醫院開始使用。一項小型研究顯示，它可以識別高風險和低風險的病人，但對醫生來說可能沒有用。布朗大學的研究人員警告說，該系統中可能存在未曾預料到的問題或偏見。
辛格在社交平臺上說，如果數字工具要發揮其在醫療保健方面的潛力，像Epic這樣的公司應該對它們的制造過程保持透明，而且應該對它們進行定期監測。在未來，智慧醫療將成為主流，因此相關算法將不可避免地變得越來越普遍，開發人員和機構應該對這些系統進行更多的獨立評估。
前瞻經濟學人APP資訊組
本文來源前瞻網，轉載請注明來源。本文內容僅代表作者個人觀點，本站只提供參考并不構成任何投資及應用建議。（若存在內容、版權或其它問題，請聯系：service@qianzhan.com）