在醫院的重癥監護室（ICU）中，病情危重的患者躺在病床上，身體連接一整套儀器，接受全天24小時的醫療監護。這些先進醫療設備用來維持患者的生命。靜脈注射藥液滴入血液，機械式呼吸機將空氣送入患者肺部。貼身的傳感器監測心率、血壓及其他生命體征，床邊的監護儀通過曲折的波形顯示數據。一旦記錄的數據超過正常參數，機器就會響起“嘟嘟”的示警聲，提醒醫護人員注意潛在問題。

雖然這個場景充滿了高技術，但這些技術并沒有發揮出其最佳效果。每臺機器分別監測患者身體的不同部位，所有機器的工作并不協調一致，也沒有對大量的數據進行采集或分析。此外，重癥監護室醫療團隊（包括急救醫生、護士、呼吸治療師、藥劑師以及其他專科醫師）不可能時刻關注到每個患者。

在未來，重癥監護室將更好地利用各種機器以及機器不斷產生的數據流。監護儀將不再單獨工作，而是將信息綜合在一起，向醫生提供患者身體狀況的完整信息。該信息也會輸入人工智能（AI）系統，人工智能系統將自動調整儀器設置，從而保證患者處于最佳監護條件。

我們的自主醫療公司（Autonomous Healthcare）位于新澤西州的霍博肯，致力于設計建造首批面向重癥監護室的人工智能系統。這些技術是為了給患者提供警覺且細致的醫療護理，就像有一位醫療專家時刻陪伴在患者床前，為患者悉心調節治療方案。此系統能夠減輕重癥監護室醫護人員過重的工作負擔。此外，如果人工智能技術可以幫助患者盡快轉出重癥監護室，那么就能降低飛漲的醫療費用。我們初步將重點放在美國境內的醫院，但是隨著人口老齡化及慢性病患者人數的增長，我們的技術將在世界范圍內發揮作用。

效益空間是巨大的。在美國，重癥監護室是醫療體系中最昂貴的一部分。每天大概有5.5萬名患者在重癥監護室接受治療，日均治療費用在3000至1萬美元。重癥監護室治療費用每年累計超過800億美元。

隨著嬰兒潮一代步入老年，重癥監護室變得越來越重要。如今，在美國重癥監護室的患者中，年齡超過65歲的占一半以上。這個人群的數量在2014年為460萬，預計到2030年將增長到740萬。歐洲和亞洲也存在這一趨勢，人口老齡化已成為世界難題。為了滿足日益增長的重癥臨床護理需求，不僅要提高重癥監護室的容量，還要提升其功能。培養更多的重癥監護醫師是解決方法的一部分，自動化是解決方案的另一部分。人工智能系統并非要取代人類，而是要成為醫療團隊的一員，到醫生和護士最需要它們的地方施展才能。

目前的重癥監護室中，臨床監護儀的顯示屏幾秒鐘更新一次，儀器測量的數據通常都會遺失。但現在一些先進的重癥監護室正嘗試保存和分析這些數據，但要為臨床觀察提供支持還有很大的難度。

醫生通常既沒有時間也沒有工具來分析快速累積的數據。但是人工智能系統卻能做到這一點，并且可以根據數據采取行動，比如調整承擔重癥監護關鍵任務的儀器設置。自主醫療公司目前首要關注的是對患者的呼吸機和輸液器進行控制的人工智能系統。當患者昏迷或肺衰竭時，會用到機械式呼吸機，這在重癥監護室非常常見。細致的點滴管理可保持患者循環系統內的血液量穩定，確保所有人體組織和器官都得到足夠的氧氣。

我們的方法源自航空航天業，這一點你肯定很難相信吧。我們3位作者中的兩位——Haddad和Gholami——是航天控制專家。我們是在佐治亞理工學院的航天工程學院結識的。那時Haddad是動力系統與控制教授，Gholami是博士研究生，Bailey于本世紀初加入我們時，還是埃默里大學醫學院麻醉學的助教。Haddad和Bailey首先研究的是手術室中自動麻醉配量與給藥的控制方法，并先后在亞特蘭大的埃默里大學醫院以及佐治亞州蓋恩斯維爾的東北佐治亞醫療中心進行了相關臨床測試。之后，我們將目光轉向重癥監護室中更復雜、涉及范圍更廣的控制問題上。2013年，為了研制的人工智能系統的商業化，Haddad和Gholami共同創立了自主醫療公司。Gholami是公司的執行總裁，Haddad是首席科學顧問，Bailey是首席醫務官。

航天與醫學有何聯系呢？這兩個領域都會遇到生命危在旦夕的時刻，需要迅速處理大量數據并做出決策，而且都需要同時處理多項任務，以確保整體順利運行。尤其引起我們注意的是，反饋控制技術通過傳感、計算與執行，利用算法和反饋來調整整個工程系統的行為，在飛行控制與空中交通控制的安全關鍵系統中起到不可或缺的作用。我們認為，反饋控制技術在重癥監護醫學領域也可發揮作用。

但是飛行器與患者身體之間存在一個重大區別。飛行器的設計與操控以完善的機械和空氣動力學理論為基礎，而人體涉及高度復雜的生物系統，其功能與相互作用機制，我們至今尚未完全清楚。

想想分析機械式呼吸機的管理吧。嚴重外傷、肺部感染、心臟衰竭或敗血癥等炎癥反應綜合征的重癥監護室患者或許都需要機械式呼吸機。呼吸機循環往復，將空氣壓入肺中，然后讓肺被動地將氣體排出。可以設置呼吸機完成整個過程，也可以僅輔助患者自主呼吸。

人機互動的管理十分精細。人體有專門的自主呼吸管理機制，即神經系統控制隔膜肌收縮，向下拉動肺部從而吸入空氣。呼吸機必須與這一人體內在驅動機制協作，保持與患者呼氣/吸氣的自然轉換節奏同步，并與患者自然的呼吸量持平。

遺憾的是，患者的實際需求與機器的供應常常是不協調的，這會導致患者產生“呼吸機拮抗”。比如，患者所需的吸氣時間可能要長一些，而呼吸機則過早地從吸氣轉換為呼氣。這些人機異步問題通常會導致患者長時間地依賴呼吸機、延長患者在重癥監護室的時間，增加死亡風險。專家們尚不清楚為何異步問題會產生這些不利影響，但當患者在努力呼氣而機器卻在輸入空氣時，患者會明顯地感覺到不適，同時其肌肉也會承受更多負擔。據估計，在美國的重癥監護室里，大概有12%到43%的病患出現與呼吸機嚴重不同步的情況。

解決這一問題的首要步驟是檢測出異步情況。經驗豐富的呼吸治療師可通過持續觀察呼吸機顯示屏上的壓力和流量波形來識別不同類型的異步。但是在重癥監護室中，一位呼吸治療師通常只能兼顧十幾位患者，無法同時顧及所有患者。

我們公司設計了可代替人工檢測呼吸異步的機器學習系統。我們利用患者呼吸機的波形數據集來訓練這個學習系統，使用的每個波形數據都經過了臨床專家組的評估。我們的算法學習了不同異步類型的特征，比如在指定時間點上，流量信號的特殊下降。在對算法的首輪評估中，我們的重點是循環異步，這是最難檢測的一種異步類型。此時呼吸機呼氣階段的起始點與患者的自主呼氣不一致。我們的算法通過新數據集檢測循環異步情況的準確率與專家持平。

我們目前正在美國東北佐治亞醫療中心重癥監護室對真實病患進行實時監測，以此測試我們的呼吸異步檢測算法。此項技術已被應用到臨床決策支持系統中，幫助呼吸治療師評定患者的需求。此項系統也可以幫助研究者進一步了解異步的潛在原因及其對病患的影響。我們的長期目標是設計出根據患者的實際需要自動調整的機械式呼吸機。

━━━━

在大家的想象中，重癥監護室里，應該是患者床邊的支架上面懸掛著輸液袋，液體通過輸液管進入患者血管的場景。在重癥監護室，大概75%的患者都需要不同的程度的輸液管理。

但是目前科學還遠達不到校準輸液量的程度。僅僅是跟蹤患者的體液量就是一項艱巨的任務：目前尚未有醫療傳感器能夠做到直接檢測體液量，因此醫生只能依靠血壓和尿量等進行間接檢測。患者所需的輸液量取決于其病情和藥物等諸多因素。

對于患有敗血癥的患者來說，控制輸液量至關重要。敗血癥是一種全身感染、危及生命的綜合征，敗血癥患者的血管膨脹，血壓下降，體液會從最細的血管——毛細血管中溢出。這樣一來，到達器官的含氧血液降低，可能導致患者器官衰竭甚至死亡。醫生治療敗血癥時，采用的是通過藥物提高患者的血壓，將更多液體輸入患者循環系統的方法。

增加體液很重要，但不能過量——輸液過多會引起并發癥，比如肺水腫，此時肺部積液過多，會影響呼吸。研究表明，輸液過多與長期使用呼吸機、長期住院以及高死亡率都存在關聯性。

因此，醫生是根據普通患者的平均模型，努力將患者體液量維持在一定水平。在巡視重癥監護室病房時，醫生主要通過檢查患者血氣、血壓以及排尿量等多項指標來確認患者的液體量是否穩定在目標水平。而何時增加輸液量以及增加多少就相當主觀了，對于最佳處置方法尚有諸多爭議。

人工智能系統在這方面可以做得更好，它不依照普通患者的平均模型，而可以實時分析單個患者的一系列生理指標，并根據單個患者的具體需求來控制輸液量。

自主醫療公司研發的全自動系統研究患者的間接體液測量值（比如血壓以及每次心跳泵出血液量的變化等），然后將數據輸入復雜的生理模型。我們的系統利用測量值評估體液如何在血管與組織之間流動，并根據新的測量值不斷調整參數。然后，通過我們研發的自適應控制器對輸液進行調整。

我們的技術優勢之一是控制工程師所稱的閉環系統穩定性，這種狀態是是指，任何對正常狀態的擾動都只會造成細微且短暫的變化。很多工程應用的控制系統都要確保閉環穩定性。比如，飛機遇到強氣流時，自動駕駛系統會采取補償措施將顛簸降到最低水平。但是，大多數醫療設備的控制系統沒有此類保障機制。假如醫生斷定敗血癥患者的體液水平急劇下降，可能就會為病人大量輸液，也有可能會過量。

我們與獸醫麻醉學家兼心血管生理學家威廉?繆爾（William Muir）合作，對自動液體管理系統進行了測試。使用我們的系統對存在出血狀況的試驗犬調節輸液量。通過測量試驗犬每次心跳泵出的血液量，我們的系統成功將其維持在穩定狀態。

為了使人體體液量全自動管理系統獲得管理部門的批準，我們還需要進行更多測試。與呼吸機管理系統一樣，我們首先建立重癥監護室的輔助決策系統。這個“人工介入”系統可為臨床醫師提供信息和建議，再由臨床醫師對輸液泵進行調整。

━━━━

除了呼吸機及輸液管理之外，其他有關患者護理的重要方面也可以自動化，比如疼痛管理和鎮靜。關于重癥監護室的未來發展，我們設想：人工智能系統將通過評估病人的生理狀況以及實時調節設備設置來監測、協調并控制多種臨床操作。

為了實現這一設想，僅僅依靠工程師研發技術是不夠的。我們還必須努力通過監管障礙并滿足醫院的制度要求。

當然，對于任何新型自動醫療系統，監管者都需要仔細審查。我們建議監管部門使用自動化與航天行業常用的兩種測試系統。第一個是計算機模擬測試，即通過計算機模擬對一種算法進行測試。只有采用以高保真生理模型為基礎的模擬方法，此類測試才有效。這種測試系統已經可用于某些應用。比如，美國食品和藥品監督管理局最近允許以計算機模擬測試代替動物實驗，研發治療糖尿病的人工胰腺。

第二個有用的測試系統是硬件介入測試。在此類測試系統中，硬件將代替測試對象——飛機發動機或人體循環系統。你可以利用這個硬件平臺測試一臺設備，比如自動液壓泵。該平臺將產生與真實監護儀相同類型的數據。這些硬件介入測試可以說明設備在真實情境中運行良好。一旦這些技術被病危患者的替身所證實，那么就可以在真實患者身上進行測試。

將這些技術引入醫院的最后一步是取得醫療工作者的信任。醫療界往往比較保守（這是應該的），沒有人想要做出可能危害患者健康的改變。我們的策略是分階段證明我們的技術：首先實現決策輔助系統的商業化，證明其有效性和有益性；然后轉向自主系統。借助人工智能，我們相信重癥監護室將會更智能、更安全、更健康。