每年，败血症影响全世界超过 3000 万人，估计造成 600 万人死亡。败血症是身体对感染的极端反应，通常会危及生命。

由于每延迟一小时的治疗都会使死亡几率增加 4% 到 8%，因此及时准确地预测败血症对于降低发病率和死亡率至关重要。为此，各种医疗保健组织已经部署了预测分析，通过使用电子病历 (EMR) 数据来帮助识别败血症患者。

一个国际研究团队，包括来自麦克马斯特大学和圣约瑟夫医疗汉密尔顿的数据科学家、医生和工程师，创建了一种人工智能 (AI) 预测算法，大大提高了数据驱动的败血症预测的及时性和准确性。

“使用 AI 和临床数据可以非常准确和非常早地预测败血症，但临床医生和数据科学家面临的关键问题是这些算法需要多少历史数据才能做出准确预测，以及它们可以提前多久准确预测败血症，”说Manaf Zargoush 是麦克马斯特德格鲁特商学院的研究合著者和卫生政策与管理助理教授。

为了预测临床护理环境中的脓毒症，一些系统使用 EMR 数据和疾病评分工具来确定脓毒症风险评分——基本上充当数字、自动化评估工具。更高级的系统采用预测分析(例如 AI 算法)来超越风险评估并识别败血症本身。

研究人员使用 AI 预测分析创建了一种称为双向长短期记忆(BiLSTM) 的算法。它检查了四个关键领域的几个变量：管理变量(例如，重症监护病房 (ICU) 的停留时间、住院和入住 ICU 之间的时间等)、生命体征(例如，心率和脉搏血氧饱和度等) 、人口统计学(例如，年龄和性别)和实验室测试(例如，血清葡萄糖、肌酐、血小板计数等)。与其他算法相比，BiLSTM 是机器学习的一个更复杂的子集——称为深度学习——它使用神经网络来提高其预测能力。

该研究将 BiLSTM 与其他六种机器学习算法进行了比较，发现它在准确性方面优于其他算法。通过减少误报来提高准确性是算法成功的关键，因为这些错误不仅浪费医疗资源，而且还会削弱医生对算法的信心。