使用 AI 识别哮喘和慢性阻塞性肺病的高危患者

哮喘和慢性阻塞性肺病（COPD）是全球最常见的两种肺部疾病，这些疾病的恶化会对健康产生负面影响并增加医疗保健成本。一项新的研究表明，深度学习是一种使用大量数据来处理信息的人工智能（AI），可以改善对患有这些疾病的患者的检测，这些患者多次住院的风险增加。

该研究于2023年12月13日发表在 《呼吸研究》杂志上。

在这项研究中，研究人员确定了严重哮喘和COPD恶化的电子健康记录（EHR）特征。然后，他们评估了四个机器学习模型和一个深度学习模型，以使用 EHR 数据预测医院再入院率。研究人员发现，多层感知器（一种深度学习方法）具有最佳性能。

研究结果表明，人工智能可以在帮助肺科医生开发哮喘、慢性阻塞性肺病和其他疾病的新分类方面发挥作用，耶鲁大学医学院肺重症监护和睡眠医学科（Yale-PCCSM）医学副教授兼精准肺医学中心（P²MED）主任Jose Gomez-Villalobos医学博士说。

“这些方法的实施可以帮助我们识别可能从特定治疗中受益的患者群体，或者具有临床医生并不总是显而易见的特征的患者群体，”Gomez-Villalobos说。“如果我们知道哪些患者的需求增加或可以从靶向治疗中受益，我们就可以减少他们需要返回医院的可能性。

这些神经网络（或 AI）的力量在于，它们使我们能够协同和改变我们作为临床医生的工作，为所有患者实现更好的结果。

Gomez-Villalobos指出，最重要的是，该研究强调了这些疾病恶化负担的显着种族和民族差异。“少数群体受到这些住院治疗的影响尤为严重，”他说。

勃林格殷格翰制药公司医学教授兼耶鲁-PCCSM主任Naftali Kaminski医学博士说，这些新工具是确保患者获得最佳护理的重要一步。他说：“将深度学习和人工智能纳入临床实践可以帮助优先考虑呼吸系统疾病弱势群体的护理，我为我们的P²MED研究人员在实现这一目标方面取得的突破性进展感到自豪。

随着肺科医生致力于改善哮喘和慢性阻塞性肺病的管理，Gomez-Villalobos设想应用计算方法和人工智能来定制干预措施，改善少数族裔和其他可能处于高危群体的患者的预后。他说，新知识将减少导致患者去急诊室或医院的事件 – 这是一种昂贵且大量使用资源的行为。

“这些神经网络（或AI）的力量在于，它们使我们能够协同和改变我们作为临床医生的工作，为所有患者实现更好的结果，”他说。

该研究的其他作者包括Kevin Lopez，Huan Li，Zachary Lipkin-Moore，Shannon Kay，Haseena Rajeevan，J. Lucian Davis，F. Perry Wilson和Carolyn L. Rochester。

肺病、重症监护和睡眠医学科是耶鲁大学医学院内科的 11 个科室之一。要了解有关耶鲁PCCSM的更多信息，请访问PCCSM的网站，或在Facebook和Twitter上关注他们。