🍼Tiny Patients, Smart Nutrition: AI's Breakthrough in Preemie Care
11:14 Share

欢迎收听AI Unraveled，这是一档由Etienne Neumann创作和制作的节目。他是一位资深的软件工程师，也是一位来自加拿大的热衷足球的爸爸。听起来他很忙。是的，他确实很忙。如果您觉得我们的深入探讨很有见地，请在Apple Podcasts上点赞和订阅。我们非常感谢。今天，我们将讨论一个非常引人入胜的话题。它探讨了尖端技术与最脆弱生命之间的交汇点。嗯，听起来很有趣。是什么呢？

AI在新生儿重症监护室（NICU）的应用。哇。是的。具体来说，AI如何改善早产儿的营养护理。这是一个非常关键的领域。我的意思是，当婴儿早产时，他们的系统，你知道，还没有完全发育。对。即使像

喂养这样基本的事情也变成了一个巨大的挑战。绝对的。很多时候，他们的消化系统根本无法处理正常的喂养。在这种情况下，他们通常不得不依赖所谓的全胃肠外营养（TPN）。TPN。是的。

是的。也就是静脉输液。没错。对于这些小婴儿来说，TPN是一条生命线。确实如此，因为它能精确地输送混合的液体、电解质、葡萄糖，你知道，所有必需的营养素、氨基酸、脂肪、维生素。所有的一切。所有的一切都直接输送到他们的血液中。是的。绕过了他们尚未发育成熟的消化系统。是的。这确实是现代医学的奇迹。是的。但有一个问题，对吧？

它极其复杂。要计算出每天每个婴儿理想的TPN配方，需要新生儿科医生、营养师、药剂师、护士密切合作。他们依靠婴儿的体重（当然，体重每天都会波动）、实验室结果、整体状况（变化非常迅速）。对。这是一个非常动态的情况。非常如此。

这让我们想到了斯坦福医学的Nima Akaipour博士提出的一个非常关键的观点。好的。他说，TPN实际上是全球NICU医疗错误的最大来源。哇。所以，旨在滋养这些脆弱婴儿的东西。是的。也是最容易发生错误的地方。没错。

但有趣的是，正如Agaikor博士的团队指出的那样，这些错误通常不是由于不称职造成的。这是流程本身固有的复杂性。想想看，你每天都要计算大量的营养素。当你抄写这些医嘱时，需要绝对的精确性。在像NICU这样繁忙、压力大的环境中，存在误解的可能性。看起来，一些事情从裂缝中溜走的机会是巨大的。

它们很多。确实如此，即使是最敬业和最熟练的专业人员也是如此。面对这一挑战，斯坦福大学的研究人员问道：AI可以提供帮助吗？这就是问题所在，不是吗？AI能否减少这些错误，为这一过程带来一些标准化？最终使顶级

营养护理更容易为更多的早产儿所获得。没错。所以你可能想知道，计算机系统怎么可能处理像早产儿营养需求这样个性化的事情？对。这是一个好问题。答案在于一种叫做深度学习算法的东西。这是一种复杂的AI。就像那些推荐你可能喜欢的电影的系统一样。是的。但不是电影，这个AI正在学习医学数据中的模式。而且这不是他们一夜之间想出来的，对吧？对。这

这个AI必须接受大量现实世界信息的训练。哦，绝对的。斯坦福大学的团队向他们的深度学习算法输入了一个包含近8万个先前静脉注射处方的数据集，这些处方是给早产儿开的。哇。至关重要的是，这些数据包括关于结果的信息，你知道，这些婴儿对不同配方的反应，他们事后的健康状况，所有这些。所以AI从经验中学习。对。

从数万个真实案例中学习。它开始识别婴儿电子健康记录中所有这些不同因素之间的联系。对。例如体重趋势、实验室值、胎龄、整体临床情况。它将这些因素与婴儿的营养需求联系起来。没错。以及他们对不同TPN配方和剂量的反应。因此，患者病历的数字版本成为了AI的训练场。正是如此。

关键在于识别那些即使是经验丰富的临床医生也可能无法在繁忙的ICU环境中始终如一地发现的过于细微或复杂的模式。那么，这个AI在实践中是如何工作的呢？是的。因为它不是每天都从头开始生成一个全新的配方。不，不是的。

相反，研究人员采用了AI识别的模式。对。他们用这些模式开发了15种标准化的TPN配方。好的。但这并非随机的。所以AI有这15个模板。它如何确定哪个最适合特定婴儿在特定时间的需求？

因此，它会查看早产儿当前的数据，所有这些重要指标，体重、实验室检查结果等。根据它从之前的8万个案例中学到的知识，它会推荐15种标准配方中的一种。它还会建议在重新评估婴儿的状况之前，应该使用该特定配方多长时间。所以它就像一个经验丰富的、数据驱动的助手，与医疗团队一起工作。这是一个很好的说法。

但必须强调的是，AI并没有接管一切。它并没有做出所有决定。它是一个辅助工具。是的。它可以帮助医疗团队减少复杂的计算，降低手动错误和常规调整的风险，从而解放临床医生、医生、护士、药剂师和营养师，让他们真正专注于更关键的任务，即需要他们专业知识的复杂案例。

听起来它确实简化了流程。是的。对这个AI系统的初步反馈相当令人鼓舞。他们对经验丰富的新生儿科医生进行了评估。哦，是的。斯坦福大学的团队向10位经验丰富的新生儿科医生展示了关于假设性早产儿的临床信息。他们向每位医生展示了几种可能的TPN处方。

有些是给真实婴儿开的实际处方。其他的是由AI生成的。新生儿科医生实际上更喜欢AI生成的处方。是的。他们始终更喜欢AI生成的处方而不是真实的处方。这意味着AI不仅仅是产生可接受的配方。它有可能……

找到更好、更优化的营养计划，考虑到来自那个庞大数据集的见解，即使是非常有经验的个体临床医生也可能无法始终如一地做到这一点。这真是太了不起了。是的。所以如果这在进一步的研究中得到证实，那么对这些婴儿的潜在益处将是巨大的。例如，这可能带来哪些最大的影响？

我认为，最直接和最显著的影响之一将是减少医疗错误。如果您根据这种数据标准化配方并自动化推荐，我们可以看到计算、转录和混合错误大幅减少，最终意味着为这些婴儿提供更安全的护理。而且它不仅仅是防止这些错误，对吧？我的意思是，它还可以提高护理的一致性和质量。是的。

AI带来了客观性和数据驱动的最佳实践，这意味着这些关键决策是基于数千个先前案例的结果做出的。对。这可能导致更一致、更好的护理，无论哪个临床医生提出建议。NICU的效率也至关重要。当然。自动化TPN处方的常规部分为整个NICU团队节省了大量时间。

医生可以花更多时间进行复杂的诊断和治疗。护士可以更专注于直接的病人护理和监测。药剂师和营养师可以将他们的专业知识应用于最具挑战性的案例。所以它确实提高了工作流程。是的。展望单个NICU之外，还有可能改善那些可能没有大型医疗中心所有资源的地方获得高质量护理的机会。绝对的。想想NICU。

那么欠发达地区的情况呢？他们可能没有像大型学术医院那样拥有相同水平的专业知识或丰富的经验。像这样的AI可以提供专家级的建议。它实际上可以带来更高的护理标准

全世界。还记得那些谈论让医生变得更好，让顶级护理更容易获得的研究人员吗？嗯，AI可以在实现这一目标方面发挥巨大作用。这是一个强大的愿景。我们必须记住，这一切都还处于早期阶段。它还没有在医院实施。对。它仍在研究和开发中。

那么下一步是什么呢？在我们看到这个AI真正被用来帮助婴儿之前，需要发生什么？嗯，严格的临床试验绝对是必要的。他们需要证明AI不仅能产生更理想的处方，而且还能与目前的方式相比，真正改善患者安全、治疗有效性和整体结果。说得对。我的意思是，对于任何新技术，尤其是在医疗保健领域，

总有一些重要的考虑因素需要记住。例如，我们需要绝对确保患者数据得到私密和安全地保存。绝对的。而且需要透明度。是的。我们需要了解AI是如何提出建议的。对。然后是责任问题。例如，如果AI建议（无论多么不可能）导致负面结果。

谁负责？这些都是需要仔细思考和规划的复杂问题。确实如此。但这里的目标不是取代NICU中的人类。这不是要减少人情味、直觉和判断力的作用。而是要为临床医生提供更好的工具来管理这项复杂而关键的任务，减少出错的可能性，并为这些脆弱的婴儿带来最佳结果。它确实突出了AI在医疗保健领域成为一股向善力量的潜力。

这远远超出了自动化或娱乐的范围。这是关于利用技术来解决现实中拯救生命的挑战。是的。

通过学习大量的过去经验，这个AI可以使早产儿的静脉输液更安全、更一致、更有效。-在我们等待这些临床试验发生的同时，这项研究为技术如何在改善这些脆弱生命的护理方面发挥关键作用提供了一个真正充满希望的视角。-它表明，创新，

当以同情心和关注人类福祉为指导时，可以带来一些真正令人惊叹的进步。说到进步，如果您有兴趣在云计算、网络安全、医疗保健等领域提升自己的技能，您应该查看Etienne Newman的AI驱动的Jamcac应用程序。这是一个很棒的应用程序。它可以帮助您掌握并通过50多个热门认证。您会在节目说明中找到链接。所以，在我们结束时，这里有一些需要思考的东西。超越NICU，超越营养支持，

我们还可以如何以道德和有效的方式使用AI来改进其他复杂的医疗流程？这是一个很好的问题。它如何在医疗保健的不同领域改善患者的预后？这是一个需要更多探索的迷人领域。感谢您加入我们对AI Unraveled的深入探讨。别忘了查看节目说明，了解Etienne的AI Power Jam Get Tech应用程序的链接。