公众号 / 文章呼吸衰竭与机械通气重症综合管理与镇静镇痛

我们能否预测呼吸衰竭预测的未来?

Can we predict the future of respiratory failure prediction?
PubMed 文献 · Crit Care · 2025-06-19
一句话结论专家小组认为机器学习有望通过整合多模态数据提前12–24小时预测呼吸衰竭进展,但需前瞻性多中心验证和实施科学才能融入临床。

本文是一篇专家小组综述,讨论急性呼吸衰竭预测的现有工具(预测评分与生物标志物)及机器学习(ML)的应用前景。现有评分如LIPS、ROX、HACOR各有局限,生物标志物多用于已建立ARDS的预后分层而非预测呼吸衰竭发生;ML模型已在脓毒症、急性肾损伤等领域应用,但针对呼吸衰竭的模型多为回顾性、少前瞻性验证。专家小组认为预测需侵入性机械通气及呼吸支持升级是最具可操作性的结局,预测窗口以12–24小时为宜,未来需前瞻性多中心试验、实施科学框架(如EPIS)及健康公平考量。

要点

  • ROX指数在HFNC启动12小时>4.88与较低插管风险相关,<3.85与较高风险相关,预测插管AUC 0.81。
  • HACOR评分在NIV启动1小时>5与高NIV失败风险相关(AUC 0.71),改良后AUC升至0.78。
  • 专家小组认为预测需侵入性机械通气及呼吸支持升级(如HFNC、NIV)是最具可操作性的结局。
  • 专家小组多数认为呼吸衰竭发生前12–24小时的预测窗口可用于实施预防策略和设计RCT。
  • 现有ML呼吸衰竭预测模型多为回顾性、少前瞻性验证,且预测间隔短或仅4小时一次,限制临床干预。

适用人群与场景

  • 因急性呼吸衰竭需要侵入性机械通气的患者,死亡率仍高。
  • 已入住ICU并接受HFNC的肺炎患者(ROX指数适用人群)。
  • 接受NIV的急性低氧性呼吸衰竭患者(HACOR评分适用人群,任何病因)。
  • 从急诊收入院、尚未发生急性肺损伤的高危患者(LIPS适用人群)。

诊断标准与关键阈值

  • ROX指数=([SpO2/FiO2]/呼吸频率);HFNC启动12小时后ROX>4.88与较低插管风险相关,<3.85与较高风险相关。
  • HACOR评分包含心率、酸中毒(pH)、意识(GCS)、氧合(PaO2/FiO2)和呼吸频率;NIV启动1小时HACOR>5与高NIV失败风险相关(AUC 0.71)。
  • 改良HACOR增加SOFA评分、肺炎存在、脓毒性休克、心源性肺水肿、ARDS和免疫抑制六个变量,AUC提高至0.78。
  • LIPS使用25个变量(人口学、实验室和生命体征数据)识别住院期间急性肺损伤高危患者。

红旗征与不能漏的情况

  • 延迟插管与死亡率增加相关。
  • 长时间侵入性机械通气与更高费用、并发症和死亡率相关。

研究设计与关键结果

  • 本文为专家小组综述,非系统评价;小组基于对人工智能、机械通气、呼吸生理、ICU试验设计等领域文献贡献选定,并兼顾地域和人口学多样性。
  • 现有预测评分(LIPS、ROX、HACOR、VOX)在临床实践中很少使用;专家小组认为部分工具识别而非真正预测呼吸衰竭。
  • ROX指数预测插管的荟萃分析显示AUC为0.81。
  • VOX指数在单中心小样本研究中优于ROX指数,在HFNC启动后0、2、6小时窗口提供更大判别力。
  • 多项ML模型可预测HFNC失败、NIV失败和需侵入性机械通气,但模型多为回顾性,少前瞻性验证。
  • 专家小组多数认为呼吸衰竭发生前12–24小时预测窗口有用;预测需侵入性机械通气为关键结局,启动HFNC和/或NIV也重要(尤其需转ICU时)。

证据类型、等级与局限

  • 证据类型:专家小组综述(非系统评价)。
  • 专家小组认为现有预测评分识别而非预测呼吸衰竭,临床实践中很少使用。
  • 现有ML呼吸衰竭预测模型多为回顾性,少前瞻性验证;预测间隔短或仅4小时一次。
  • 局限:非系统评价;未报告其他局限性。

对床旁实践的改变

  • 作者认为现有预测评分(LIPS、ROX、HACOR)在临床实践中很少使用,可能因算法识别而非预测呼吸衰竭。
  • 作者认为预测需侵入性机械通气及呼吸支持升级是ML模型最具可操作性的目标,预测窗口12–24小时可用于预防策略和RCT设计。
  • 作者认为ML模型实施需避免黑箱模型、促进透明性,并建立实施后监测系统防止模型漂移。
  • 作者建议未来研究采用前瞻性多中心试验,可考虑阶梯楔形、实用性或整群随机设计,并应用实施科学框架(如EPIS)。
  • 作者认为需评估不同社会经济群体间模型性能和患者结局差异,确保公平性能。

指南或共识出处

  • 本文为专家小组综述,未引用单一指南或共识作为出处。

提炼说明

  • 原文未涉及「处置流程与药物剂量」,故未列出这些栏目。
全文中译9 节 · 点击展开
本译文由 AI 依据开放获取原文逐段翻译,供学习参考,可能存在误差,请以原文为准。原文 © 原作者(PMC Open Access),按 CC BY 许可使用,本译文为翻译改编。出处:Crit Care. 2025 Jun 19;29:253. doi: 10.1186/s13054-025-05484-7

背景/引言

因急性呼吸衰竭需要有创机械通气的患者死亡率仍然很高[1]。若干观察提示,预测呼吸衰竭进展的能力可能改善这些患者的结局。近期数据强调了几个要点。第一,延迟插管与死亡率增加相关[2]。第二,延长有创机械通气与更高的费用、发病率和死亡率相关[3]。除经济费用外,有创机械通气还带来显著的心理社会负担以及由长期危重病导致的其他并发症[4]。另一方面,识别呼吸衰竭风险极低的患者也可能有用,因为这些患者在重症监护病房(ICU)之外甚至医院之外可能得到更合适的照护。预测分析为优化资源利用并可能改善呼吸衰竭患者以患者为中心的结局提供了一种有前景的解决方案。然而,当前预测呼吸衰竭发生和进展的方法仍然有限,仅具有中等准确性[5–7]。这一差距凸显了在该领域进一步研究的必要性。

机器学习(ML)作为人工智能(AI)中快速发展的一个分支,提供了相当大的机会。ML能够摄取大量数据,并有可能在预测呼吸衰竭方面优于现有方法(图1)。为探索这一潜力,我们召集了一个专家小组,审查当前关于呼吸衰竭预测因素的文献,并讨论了ML应用在帮助预测呼吸衰竭发生和进展方面的潜力。我们根据对已发表文献的贡献(在人工智能、机械通气、呼吸生理学、ICU试验设计等方面)选择小组成员,但也试图在参与者中实现地理和人口学多样性。我们的目标不是详尽的系统综述,而是聚焦于我们的专家小组认为在该领域最关键的关键主题。小组讨论集中在几个关键领域:(1)审查用于预测呼吸衰竭及相关结局的既定策略,如预测评分和生物标志物(表1)。(2)ML在医学预测分析中的现状。(3)ML在呼吸衰竭预测中的未来目标,包括关注结局、模型开发、实施和试验设计方法。(4)ML应用中的健康公平考虑。

图1 深度学习算法影响呼吸衰竭患者临床病程的可能作用时间线。反事实模型可用于评估“如果”情景,以预防插管或再插管,作为指导临床管理的一种可能手段。缩写:NIV = 无创通气;HFNC = 经鼻高流量氧疗;EHR = 电子健康记录;SBT = 自主呼吸试验 查看原图 ↗
表1 用于预测呼吸衰竭的现有工具/模型示例 查看原表 ↗

呼吸衰竭的传统预测因素

目前已有几种现有的预后评分/指数用于预测与呼吸系统疾病相关的结局,包括急性呼吸窘迫综合征(ARDS)的发生、经鼻高流量氧疗(HFNC)支持失败或无创通气(NIV)下呼吸衰竭仍进展,以及需要有创机械通气的风险。肺损伤预测评分(LIPS)于2011年开发,旨在利用包括人口学、实验室和生命体征数据在内的25个变量,识别住院期间发生急性肺损伤的高危患者[5, 8]。该评分在患者从急诊科(ED)入院时表现良好;然而,对于已经住院的患者,肺损伤预测评分的表现并不理想,限制了其在初始急诊科队列之外的适用性[9]。

ROX指数是另一个常被引用的评分系统,最早于2016年被描述[6],随后于2019年经过多中心验证[10],是一种用于预测因肺炎接受经鼻高流量氧疗(HFNC)的ICU患者需要有创机械通气的简易工具。ROX指数的计算公式为([SpO2/FiO2]/呼吸频率)[6]。在开始HFNC后12小时,ROX指数> 4.88与较低的插管风险相关,而数值< 3.85则提示较高风险[10]。随后的一项荟萃分析显示,其预测插管的AUC为0.81[11]。最近,VOX指数被引入,虽然与ROX指数相似,但VOX指数用潮气量替代了呼吸频率变量[7]。作者提出,潮气量是比呼吸频率更敏感的呼吸驱动变化指标[7]。潮气量测量是在接受HFNC治疗的患者进行短暂NIV试验期间获得的[7]。在一项小型单中心研究中评估时,VOX指数优于ROX指数,并在开始HFNC后0、2和6小时时间窗内更早提供了更大的判别能力[7]。尽管这些指数易于在床旁计算,但它们针对的是狭窄的患者人群,仅包括以HFNC作为氧疗方式的患者。它们还提供的是关于已经处于高风险患者的信息,例如正在接受大量呼吸支持(HFNC)且需要入住ICU的患者。

还存在更复杂的评分系统,检查更广泛的呼吸系统病理和氧输送方式。例如,HACOR评分可预测任何病因所致的急性低氧性呼吸衰竭患者在接受无创通气(NIV)启动后需要有创机械通气的风险[12]。HACOR评分包括心率、酸中毒(pH)、意识(GCS)、氧合(PaO2/FiO2比值)和呼吸频率。在1小时时,HACOR评分>5与NIV失败高风险相关,AUC为0.71[12]。对HACOR评分的改进——增加六个额外变量:序贯器官衰竭评估(SOFA)评分、肺炎的存在、脓毒性休克、心源性肺水肿、ARDS和免疫抑制——提高了其预测能力,使AUC升至0.78[13]。尽管与其他预测评分相比,HACOR评分提供了更早的预后判断时间(NIV启动后1–2小时),但其局限性包括评分系统复杂以及计算所需变量数量较多。此外,在急性低氧性呼吸衰竭经鼻高流量氧疗(FLORALI)试验之后,肺炎/ARDS人群中NIV的使用有所减少,该试验表明在急性低氧性非高碳酸血症性呼吸衰竭中,HFNC相较于NIV具有90天死亡率获益[14]。

专家组成员一致认为,这些评分在临床实践中很少使用。现有评分系统缺乏常规使用可能由多种因素导致。一些被强调的局限性包括:当前算法可以识别但不一定能预测呼吸衰竭。依赖呼吸急促和低氧血症的工具很可能是在识别已建立或即将发生的呼吸衰竭,而非真正预测未来事件。相反,在评估患者及其呼吸衰竭进展风险时,很大程度上依赖于专业知识和临床整体判断。然而,人们认识到,即使是有经验的临床医生,也会因床旁时间多变(尤其是在夜间、患者数量多时)而提供不完整的评估,并且在缺乏有效预警系统的情况下,可能无法察觉ICU之外病情恶化的患者。这些指标在早期医学教育中也可能有一定价值,有助于学习者建立背景理解并形成自己对疾病和病情严重程度的思维框架。

生物标志物在呼吸衰竭预测中的作用

PaO2和PaCO2是广泛用于识别即将发生呼吸衰竭患者的血浆生物标志物,并已嵌入上述许多预后评分中。这些生物标志物也经常检测并在短时间内发生变化,使其可用于识别高风险患者。

相比之下,呼吸衰竭中的其他血浆生物标志物并非聚焦于呼吸衰竭的预测,而是聚焦于对已确诊呼吸衰竭患者(尤其是急性呼吸窘迫综合征(ARDS))的预后富集[15, 16]。这些血浆生物标志物聚焦于ARDS和脓毒症发病机制的已知通路,包括炎症[例如肿瘤坏死因子受体(TNFR)、白细胞介素-6(IL-6)、白细胞介素-8、白细胞介素-18]、内皮损伤(例如Ang2)和上皮损伤[例如晚期糖基化终末产物受体(RAGE)和表面活性蛋白D(SPD)]。这些ARDS生物标志物还定义了疾病的高危内型(例如,通过潜在类别分析和其他机器学习方法在众多队列中识别出的ARDS“高炎症型”,并与治疗反应的差异相关[17–20],或IL-18同样可识别对辛伐他汀反应不同的高危亚组)[21]。

尽管生物标志物在已确诊ARDS的预后判断和內型分型中具有明确作用,但这些生物标志物在呼吸衰竭发生之前的作用尚不明确。虽然相同的炎症、上皮和内皮生物标志物可能在尚未危重的患者中发挥预后作用,但迄今为止尚未经过严格验证。多种ARDS生物标志物已在脓毒症和/或ARDS危重患者的大型队列中进行研究,其在ARDS患者中高于脓毒症对照,提示潜在的预后价值,但这与严格的纵向采样并不相同[17]。很少有生物标志物在最初就诊时无ARDS但后来发生该病的患者中进行过检测,Ang2是一个例外[22]。在COVID-19大流行中,大量在进展为ARDS或呼吸衰竭之前就诊的SARS-CoV-2肺炎患者被纳入生物样本库研究或临床试验。在这些队列中,RAGE和病毒抗原水平均与进展为呼吸衰竭高度相关[23–25]。大多数血浆生物标志物在单一时间点测量或两次测量之间间隔数天;对于快速发展的呼吸衰竭(更常见于非COVID肺炎),较短间隔的趋势尚未被检测。此外,这些生物标志物中许多主要基于研究用途,尚未在大多数临床实验室中可进行快速检测,限制了其在实时指导临床管理方面的能力。

尽管肺特异性样本(如呼出气)在其他肺部疾病中已是成熟的生物标志物[例如呼出气一氧化氮(NO)水平作为哮喘炎症的标志物[26]],但在即将发生呼吸衰竭的患者中研究较少。挥发性有机化合物(VOCs)升高已在多个队列中与肺炎相关[27],但这些研究大多集中于已插管患者。在接受高水平呼吸支持的非插管患者中,测量VOCs可能存在技术挑战,例如,接受经鼻高流量氧疗(HFNC)的患者可能难以完成充分采集该样本的检测。支气管肺泡灌洗(BAL)或热湿交换器(HME)过滤器检测可以识别高危患者的特征,但在非插管患者中获取可能具有挑战性。因此,尽管这类肺特异性样本在机制上具有前景,但其在识别高危患者中的潜在作用尚未确立。机器学习(ML)与生物标志物之间的协同方法(例如,ML模型识别高危患者并触发更频繁的呼吸和血浆生物标志物采集,进而为ML风险评分提供信息)可能为风险预测提供一种强有力的方法。

重症监护中的机器学习

在过去10年中,机器学习(ML)方法在临床医学中的应用兴趣大幅增加[28, 29]。机器学习技术训练计算机完成对人类而言自然而然的事情:通过示例学习。ML模型使用数字化数据(输入特征)对特定结局(或输出/标签)进行预测。深度学习(DL)是ML的一个分支,通过使用多层非线性处理(人工神经网络)来完成这一任务,以产生输入特征的分布式和层次化表示[30]。医院是充满患者数据的环境,需要整合多种数据来源(例如,生命体征、影像、实验室检查和提供者记录)。鉴于可用患者数据的广度和丰富性,ML可以计算临床医生可能忽视的多变量风险因素之间的复杂交互或时间关系[31]。大语言模型(LLM)的整合还可能通过纳入非结构化患者数据(如临床记录)来增加有价值的信息。整合临床记录和结构化电子健康记录(EHR)数据中的信息可能改善预测能力[32]并增强临床决策[33]。

在现代医疗系统中,ML/DL算法可应用于临床决策支持(CDS)系统[34]。CDS系统的一些例子包括脓毒症[35]、急性肾损伤[36]、生理功能恶化[37]、30天非计划再入院[38]和急诊科分诊[39]的预测算法。此外,ML模型已应用于急性呼吸衰竭,特别是在有创机械通气阶段,例如用于识别患者-呼吸机不同步[40, 41]、优化呼吸机设置[42],以及预测对肺复张[43]和俯卧位通气[44]的反应。

目前已有多种深度学习模型用于预测医院环境下的呼吸衰竭[45–49]。这些模型经过训练可预测多种结局,包括预测经鼻高流量氧疗(HFNC)失败[47]、无创通气(NIV)失败[48]以及需要有创机械通气(IMV)[46]。然而,这些模型存在局限性。这些模型均为回顾性研究,且少有经过前瞻性验证[45]。在某些模型中,预测与事件发生之间的时间窗相对较短,或预测仅以4小时为间隔生成,可能限制了实施有意义干预的能力[45, 49]。除少数学术机构外,这些模型很少被整合到临床工作流程中。实施的障碍包括分析平台与电子健康记录(EHR)整合的挑战[50]、卫生系统成本[51]、临床医生接受度[52],以及模型随时间推移及在不同患者群体和临床实践差异中的维护[53]。尽管存在这些挑战和局限性,这些模型为机器学习模型在急性呼吸衰竭预测中的应用提供了极好的起点。

机器学习在呼吸衰竭中的关键目标和结局

部分讨论集中于哪些呼吸结局最为关键。专家组成员一致认为,预测呼吸衰竭的出现和进展将是最“可操作的”。具体而言,专家组成员确定需要有创机械通气是一个关键的目标结局。然而,启动经鼻高流量氧疗(HFNC)和/或无创通气(NIV)也被认为是重要的,特别是当这些治疗需要转入ICU时。各中心的局部实践存在差异,因为一些中心要求转入ICU才能启动治疗,而另一些中心设有中间监护病房,允许使用这些氧疗方式。各中心之间的显著差异似乎并非由数据驱动,而是反映了当地/区域的实践和经验,这或许强调了需要进一步研究以为此类决策提供依据。未来研究中其他潜在的目标结局包括患者相关和卫生系统相关结局[34]。相关的患者相关结局可能包括死亡率、机械通气持续时间、ICU住院时间(LOS)和气管切开率等[54]。对于卫生系统而言,除了一些平行的目标结局(如ICU LOS)外,系统相关结局如成本和资源利用也可能值得关注。

专家组还讨论了呼吸衰竭预测分析的若干优先事项。专家组成员强调了早期了解患者呼吸衰竭进展可能性(如从鼻导管(NC)到HFNC再到IMV)的重要影响。提供提前预警最有用的情形是它给临床医生足够的提前时间来收集和解读有针对性的诊断信息,并可能进行干预以防止恶化。关于最佳预测时间范围(结局可能发生的时间框架或预测应适用的时间)存在争议,但大多数人认为呼吸衰竭发生前12至24小时将是实施预防策略的有用窗口。这一时间框架也将允许设计随机对照试验来测试预防呼吸衰竭进展的干预措施。

另一个关键要素是临床协作,并将对临床决策重要的适当风险阈值纳入其中。例如,与临床医生合作确定适当的通知风险阈值至关重要。这种方法有助于仅在临床医生认为具有临床重要性的阈值处发出通知,避免警报疲劳和过度通知。

通过反事实预测 [55] 等方法预测对特定干预措施的反应也可能有用,并能增强机器学习(ML)模型的可操作性,并可应用于试验设计。使用反事实预测的方法允许模拟各种不同的治疗反应。换言之,这种方法回答了“如果”患者接受经鼻高流量氧疗(HFNC)而非其他治疗会怎样的情景。此类预测可用于为临床决策和/或试验设计提供信息,并根据需要进行本地化调整。虽然预测护理级别可能有价值,但在不同护理级别使用呼吸模式方面存在区域实践差异。普遍认为,预测和追踪呼吸支持升级连续过程中的进展可能是跨系统最有价值且最具可推广性的方法。我们认识到不同机构之间气管插管的时机可能存在差异;因此,迁移学习和针对特定站点的调优等策略将至关重要。迁移学习涉及对从特定ML任务或数据集获得的知识进行微调,以改善模型在类似任务或不同临床站点上的性能 [56, 57]。

ML模型开发、实施和部署中的挑战

在临床环境中开发、实施和部署风险相关模型存在许多挑战,尤其是对于呼吸衰竭等综合征性病症 [58]。深度学习模型的开发和验证在患者层面和系统层面都具有挑战性。在患者层面,呼吸衰竭的潜在病理多样、呼吸衰竭类型不同以及治疗的可变性使模型开发具有挑战性。此外,许多此类患者经历并发器官衰竭,如肾衰竭或心血管衰竭,进一步使其临床表现复杂化。相比之下,已显示出可测量临床影响的现有模型,如Boussina等人 [59] 实施脓毒症预测模型,得益于脓毒症是一个定义明确的病理构建,具有既定治疗范式。

缺失数据和数据异质性,包括数据来源、格式、频率和质量的不一致,是另一个可能削弱机器学习(ML)模型准确性的主要障碍[60]。具体到呼吸衰竭,插管和开始机械通气等紧急操作在电子健康记录(EHR)中并不总是被清晰地描述或准确地标注时间,这给恰当的分类和模型准确性带来了挑战。在系统层面,不同卫生系统、区域实践模式和可用资源之间存在相当大的异质性。这种变异性使创建可推广的ML模型变得复杂[53]。例如,插管的决策可能因机构而异,因此在一个机构开发的模型在另一个插管阈值不同的机构进行测试时可能表现不佳。不同类型呼吸支持的描述也可能各不相同,这使得在不同医院之间准确捕捉患者病情变得更加困难。近期数据提示,诸如迁移学习等ML方法可能减轻这一缺陷[56]。其他团队正试图统一数据采集以促进跨系统协作[61]。

除开发挑战外,将这些模型成功实施到临床实践中还存在若干障碍。成功的整合和部署依赖于多个因素,包括适当的系统以确保电子健康记录与分析平台之间高效、充分且安全的接口,确保系统性能、成本覆盖、临床医生接受度以及对以患者为中心结局的积极影响[62]。重症监护病房(ICU)医生对在ICU环境中部署人工智能(AI)模型的想法表达了犹豫[52]。避免“黑箱”模型并提高模型决定因素的透明度有助于促进临床医生的接受和协作[63]。培养ML专家与临床医生之间的共生关系至关重要。实施后,需要一个稳健的系统来监测并迭代改进模型性能,以避免模型漂移[62]。

ML的开发与实施到临床实践和试验设计中

ML系统成功整合到临床实践需要多个步骤,从创建到实施,涉及细致的测试和验证。为推进ML在临床环境中的整合,未来研究必须聚焦于前瞻性随机研究。然而,在达到前瞻性测试和验证阶段之前,必须仔细处理若干中间阶段。确保模型表现出足够的性能并在不同系统和人群中保持稳健性能至关重要。一种有前景的策略是使用“静默试验”,即将预测模型整合到电子健康记录中,但在后台运行而不与最终用户交互[64]。此类策略可以在全面临床部署之前增强预测能力[64]、识别缺陷并评估假阳性和假阴性。

一旦模型准备好进行前瞻性测试,可以考虑多种方法来确定测试什么以及如何评估其有效性。一个关键问题是,仅凭风险评分是否足够,还是必须将其与干预措施或预测的治疗效果相结合,才能对患者结局产生有意义的影响。专家组一致认为,将模型整合到临床实践中与现有标准诊疗进行比较,对于评估其有效性至关重要。

对于未来的试验设计,提出了几种方法。尽管单中心试点试验由于效率高,在机器学习验证早期可能是一种重要方法,但它们可能缺乏普适性,需要重复验证,以及评估可移植性和可扩展性。因此,可能需要前瞻性、多中心测试来获得广泛认可并确保普适性。虽然随机对照试验(RCTs)通常被视为金标准,但它们费用高昂且实施具有挑战性。替代设计如阶梯楔形试验或实用性试验可能更适合测试将机器学习模型纳入临床实践的影响。整群随机临床试验设计可能更为合适,因为这些机器学习模型旨在干预诊疗系统的功能,而不仅仅是对个体患者的损伤机制进行干预。预测模型的效用还可以通过显示旨在预防呼吸衰竭的干预措施的治疗效果根据预测分析定义的风险分层而有所不同来证明。专家组认可不同试验设计的作用,但强调前瞻性、多中心试验仍是迈向更广泛接受的重要一步。

实施科学的使用也很关键。在医疗环境中实施新的循证实践往往具有挑战性,可以从使用标准化框架中获益[65]。例如,探索、准备、实施、维持(EPIS)框架等方法可用于促进机器学习在临床环境中的实施[65, 66]。评估实施响应和最终用户交互对于更好地理解临床医生如何与算法互动以及如何提高采用率和增强用户体验至关重要[67]。

健康公平

医疗保健技术进步的一个担忧是,社会经济地位优越的患者可能因更容易获得支持成功实施的资源和基础设施而不成比例地获益。有偏倚的数据或测量频率的不一致可能无意中加剧差异——即根据社会特征在模型性能或预测准确性方面的系统性差异[47, 68, 69]。然而,机器学习算法如果设计正确,可用于实现健康公平而非加剧差异。通过依赖所有患者均可获取的客观数据,模型可以以无偏倚的方式针对性别、种族/民族、宗教和肤色进行设计。在健康公平讨论的背景下,必须考虑几个值得注意的要点:

首先,资源较少的卫生系统服务于社会经济地位较低的人群,可能较晚采用新技术,这可能进一步加剧现有的健康差异,需要仔细考虑。

其次,即使有数据可用,这些数据也可能存在根本性偏倚。例如,肤色可能影响某些诊断方法的准确性,如脉搏血氧饱和度测定[70, 71]。考虑基于肤色的脉搏血氧饱和度测定准确性的差异有助于提高其准确性。使用分光光度法仔细量化皮肤黑色素可以提供严格的数据,从而在必要时调整血氧饱和度测定值。与肤色无关的技术,如测量呼出气体中的张力(肺泡气体计),可用于避免潜在偏倚[72]。或者,可对存在与脉搏血氧饱和度测定相关偏倚风险的群体应用校正因子。

第三,自然语言处理(NLP)或大语言模型在分析护士、呼吸治疗师和医生的病程记录方面可能非常有帮助。然而,隐性偏倚可能影响某些群体优先使用的微妙语言模式[73]。改进NLP算法可以帮助其识别这些偏倚,并确保决策基于客观数据而非先入为主的观念或历史趋势。

健康公平倡导者强调需要评估不同社会经济群体之间模型性能和患者结局的潜在差异,促进模型开发和部署的透明度[74]。在任何机器学习模型的开发中,解决健康差异以确保公平的性能并尽量减少偏倚将非常重要。

结论

呼吸衰竭进展的预测是一个关键课题,可能受益于将机器学习模型整合到临床实践中。机器学习通过整合多模态数据来阐明临床医生并非总能识别的复杂模式,为预测呼吸衰竭提供了强大的工具。鉴于数据流数量众多(与医院其他领域相比)及其资源密集的管理,这些模型特别适合呼吸衰竭领域。此外,目前急性呼吸衰竭的管理通常是被动反应性的。通过机器学习增强预测能力可以促进更加主动的患者护理方法, potentially改善结局。然而,要实现有意义地整合到临床护理中,必须解决许多挑战。这些挑战包括确保数据的一致性和质量、定义重要结局、机器学习模型的前瞻性实施和验证、开展临床试验以评估其有效性,以及确保跨社会经济群体的公平模型性能。尽管存在挑战,机器学习为推进重症监护和改善患者结局提供了有前景的途径。

参考来源

  1. Pearce AK, Nemati S, Goligher EC, et al. Can we predict the future of respiratory failure prediction? Crit Care. 2025. PMID: 40537867. doi:10.1186/s13054-025-05484-7
  2. 全文:PMC12180172(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC12180172/

供执业医师抢救与诊疗参考,不替代临床判断;剂量请结合体重、肝肾功能和本院药品规格复核,以指南原文为准。