利用机器学习和人工智能算法优化急性透析的性能与实施 (SMART DIALYSIS)

研究背景与理论基础：

在重症监护病房（ICU）收治的所有患者中，约10-15%需要进行急性透析治疗。 急性透析可采用连续性肾脏替代治疗（CRRT）、间歇性血液透析（IHD）或缓慢低效透析（SLED）等形式。 在全球范围内，CRRT仍是急性透析的主要形式，超过75%的急性透析采用CRRT。

ICU中急性透析的应用与患者不良预后相关。 尽管医疗技术和护理水平有所进步，死亡率仍维持在40-60%，这与严重急性呼吸窘迫综合征（ARDS）的观察结果相似。 此外，即使患者从危重疾病中存活，仍有高达10%的患者需要持续进行长期慢性透析治疗。 这对危重疾病幸存者的生活质量产生重大影响，同时也对其家庭产生重要影响，通常需要改变工作和住房状况，并搬迁到更靠近透析中心的地点。 这不仅导致显著的医疗和社会成本（在加拿大艾伯塔省约为每年10万加元/患者），还严重降低了这些患者与健康相关的生活质量。 目前，虽然存在关于急性透析最佳启动时机的证据，但预测治疗模式转换或脱离该治疗时机的证据仍然匮乏。 通过在艾伯塔省使用完全集成的电子临床信息系统（eCIS），例如Connect Care（美国威斯康星州EPIC系统），我们可以开发预测算法，以预测患者和急性透析的需求。

一旦启动急性透析，多种因素可能影响急性透析后的肾脏恢复。 透析中低血压已被确定为主要的可改变因素，但遗憾的是，我们准确预测该因素的能力有限。 这是一个必须解决的重要知识缺口。 我们的研究团队此前也已将其确定为急性透析最重要的关键绩效指标（KPI）之一，尤其是在IHD和SLED中。 对于CRRT，滤器寿命已被确定为最重要且研究最深入的KPI。 目前，正在进行的QUALITY CRRT和DIALYZING WISELY项目正在利用这两个KPI，以改善对危重患者的急性透析执行和提供。 这两个项目已在艾伯塔省成功实施，并建立了必要的基础设施，以启动急性透析持续质量改进的下一步——SMART DIALYSIS项目。

最近，计算机和机器处理的进步引发了第四次工业革命，其特点是开发了智能机器、设备和学习算法，可以帮助人类管理患者并优化医疗服务的提供。 机器学习（ML）和人工智能（AI）算法此前已在医学领域应用，但才刚刚开始实施到重症监护肾病学中。

当前的举措主要集中于模式识别和风险预测。 本项目将包含4个不同的阶段。

在第一阶段，我们将继续QUALITY CRRT和DIALYZING WISELY项目的工作，旨在更好地理解围绕急性透析模式间转换、终止以及尝试脱离急性透析的决策环境，透析中低血压的发生率，以及ICU中滤器凝血的时机。

在第二阶段，我们将开发模型及随后的临床决策支持（CDS）工具和/或最佳实践建议（BPA），以帮助临床医生更好地预测和管理：1）急性透析疗法间的转换，2）透析中低血压的管理，3）滤器寿命的预测，以及4）脱离急性透析。 与此工作同时，我们将努力开发一个AI/ML增强的急性透析仪表板（即SMART DIALYSIS数字仪表板），嵌入我们的电子临床信息系统（eCIS）中，向临床医生展示这些KPI。

第三阶段将着眼于在临床实践中实施和评估这些ML/AI算法的性能和可接受性。

最后，第四阶段将利用我们在艾伯塔省得出的结果，寻求在其他大型医疗机构中实施和基准测试这些算法，以确保算法得到适当和合乎伦理的开发和验证。 这些合作伙伴将遍布加拿大、美国、欧洲以及澳大利亚和新西兰。