一种从数万份早产儿营养处方中学习的算法可以减少医疗错误，更好地识别最小患者所需的营养素。
斯坦福医学研究表明，人工智能可以改善早产儿的静脉营养。该研究将于3月25日发表在《自然医学》期刊上，是最早展示如何利用AI算法使医生为重病新生儿做出更好临床决策的研究之一。
该算法利用早产儿电子病历中的信息来预测他们需要哪些营养素及其数量。这个AI工具是基于近8万个过去的静脉营养处方数据进行训练的，这些处方与关于这些微小患者情况的信息相关联。
研究人员表示，利用AI帮助开具静脉营养处方可能减少医疗错误，节省时间和金钱，并使在资源匮乏的环境中照顾早产儿变得更加容易。静脉营养，也称为全肠外营养，是喂养早产儿的唯一方式，因为早产儿的消化系统尚未成熟，无法吸收营养。
高级研究作者、麻醉学、围手术期和疼痛医学以及儿科副教授Nima Aghaeepour博士表示：“目前，我们每天为每个婴儿单独制定TPN处方。我们从零开始制作，然后提供给他们。”他说：“全肠外营养是新生儿重症监护病房中最大来源的医疗错误，无论在美国还是全球范围内。”
这一过程不仅容易出错，而且还使医生很难知道他们是否正确配方。例如，没有血液检测来测量早产儿每天是否摄入了正确数量的卡路里，与足月婴儿不同，早产儿在饥饿时不一定会哭泣，也不会在饱足时表现出满足感。
研究共同作者、儿科新生儿学家David Stevenson博士表示：“营养是新生儿重症监护中我们最薄弱的领域之一。”
“我们无法近似胎盘的作用，”他说。
一个缓慢的过程
约10%的婴儿早产，即在预产期前至少三周出生。早产超过八周的婴儿尚未准备好通过肠道吸收营养，需要静脉喂养。此外，一些早产儿在早产过程中会出现胃肠道并发症，因此在肠道愈合期间需要静脉营养。
目前，这些患者的静脉营养是基于个体每日开具的处方。患者需要宏量营养素，即蛋白质、脂肪和碳水化合物的分子构建块；微量营养素，如维生素、矿物质和电解质；以及医药如肝素，后者被添加到静脉制剂中以减少血块的风险。当前的处方基于婴儿的体重、发育阶段和实验室检查结果等因素。
提供这些处方需要六位专家共同协作，通过多个小时的过程：一位新生儿科医生或药剂师撰写每个处方，营养师检查营养成分，第二位药剂师检查安全性。处方发往配药药房，在那里准备，然后送到新生儿重症监护病房，由一位护士给药，另一位护士复查每位患者是否收到正确的制剂。
研究共同作者、斯坦福医学儿童健康公司的首席药剂官Shabnam Gaskari药学博士表示：“这是高风险药物，因为它是许多不同成分的混合物。如果我们能制造出即用型TPN，那将是非常有益的。我认为这将使患者更安全。”
走向标准配方
研究人员想知道是否可以利用AI帮助医院提供制造的、即用的营养配方。
他们的AI算法接受了来自斯坦福大学露西尔·帕卡德儿童医院新生儿重症监护病房十年的电子病历数据训练，包括来自5913名早产患者的79790份静脉营养处方。该算法还获得了患者医疗结果的信息，使其能够找到连接营养水平与婴儿健康之间微妙的模式。尽管医生并不总是准确配方，但数据的体量帮助克服了这个问题，让算法以一般的方式了解不同医疗情况下对婴儿有效的内容。
Aghaeepour表示：“这是AI的一个优势：有时不完美的数据只要量大就足够了。”
经过十年的患者数据训练，算法对相似的营养处方进行了分组，以确定有多少标准配方可以满足所有患者的营养需求，以及每种配方的成分。
Aghaeepour说：“我们想知道：如果我们做三个标准配方，或十个，或一百个，会怎么样？”“事实证明，15种静脉营养的独特配方中，你所推荐的和医生、药剂师和营养师所做的其实是非常相似的。但然后这15种基于AI的配方可以显著提高速度和安全性。”
此外，研究人员表明AI算法可以利用患者的电子病历数据预测每个婴儿可能需要的15种配方中的哪一种，并且可以根据患者的成长和病情变化每天调整推荐。因此，算法可能会建议某个特定婴儿需要配方第8号五天，然后是配方第3号一周，然后是配方第14号几天，依此类推。
为测试这种方法对比真实处方，研究团队为10名新生儿科医生设计了一个测试：向医生展示过去患者的临床信息，以及他们实际收到的静脉营养处方和算法推荐的处方。医生不知道哪个处方是哪个，他们被问及哪种更好。医生们一致偏好AI生成的处方而非真实处方。
研究人员还使用AI扫描了过去患者的电子病历，寻找患者的实际营养处方与AI建议有很大不同的情况。对于这些患者，死亡、脓毒症和肠道疾病的风险显著高于那些处方与AI建议相符的患者。
团队还利用来自加州大学旧金山分校的真实数据（包括来自3417名患者的63273条营养处方）验证了AI模型，发现该模型对该人群的营养需求预测表现良好。
实施步骤
下一步将进行随机临床试验，其中一些患者使用手动方法接受营养处方，另一些患者接受AI推荐的处方，研究人员监督各组的情况如何。
假设系统得到实施，团队计划让医生和药剂师继续检查AI推荐，并在必要时调整处方。
Gaskari表示：“AI推荐是基于添加到患者电子病历中的任何信息，因此如果记录中缺少某些内容，建议就不准确。我们需要临床医生来查看和审核。”
但一旦处方获得医学批准，医院货架上的15种标准营养配方中的一种即可立即给患者提供。
使用标准配方还将使静脉营养更容易获得且成本更低，因为不再需要当前涉及的庞大专家团队，也不需要访问配药药房。这可能对低收入国家或其他资源匮乏的环境中的医院带来好处。
Stevenson说：“这反映了我们对人工智能如何增强医疗的希望：它将使医生更优秀，使一流的护理更易获得。希望它还将为我们的医生提供更多时间来做计算机无法做到的事情，例如与婴儿及其家庭共度时光，倾听他们，提供安慰和保证。”
来自南加州大学凯克医学中心和洛杉矶儿童医院的科学家们对研究做出了贡献。
这项工作得到了美国国立卫生研究院（拨款R35GM138353）、国家转化科学先进中心（拨款UL1TR001872）、尤妮斯·肯尼迪·施赖弗国家儿童健康与人类发展研究所（拨款R42HD115517）、巴罗格斯·韦尔科姆基金会、婴儿健康之行、阿尔弗雷德·E·曼基金会、斯坦福母婴健康研究所通过斯坦福的SPARK转化研究项目、斯坦福高影响力技术基金和斯坦福生物设计的支持。该项目还得到了美国国立卫生研究院下属的国家转化科学先进中心通过UCSF临床和转化科学研究所的支持。
