AKI遇见大数据时代:为我们带来了什么?

作者:孙仁华[1] 刘景全[1] 
单位:浙江省人民医院[1]

  2011年5月麦肯锡全球研究发表研究报告,首次提出了“大数据时代”这一全新概念。次年,纽约时报发表关于《大数据时代(The Age ofBig Data)》一文,宣告大数据时代的到来。


  近年来,大数据已经被应用到重症医学领域研究并取得了一定成果,但仍处于探索阶段。2016年,国际急性透析质量倡议小组(AcuteDialysis Quality Initiative,ADQI)第15次会议聚焦了《大数据在AKI中应用》这一前沿话题,通过现代化的信息技术应用,让我们对AKI诊治认识耳目一新。


一、 何为大数据?


  大数据(Big data),这一概念首次于1997年提出,指用常规软件工具无法在一定时间范围内进行捕捉、管理和处理的数据集合,而需要新处理模式才能具有更强决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产。


  大数据有四个特点:


  第一,数据体量大(Volume),从TB级别跃升到PB级别;


  第二,数据类型繁多(Variety),不仅包括传统的格式化数据,还包括来自互联网的网络日志、视频、图片、地理位置信息等;


  第三,处理速度快(Velocity),这是大数据区分于传统数据挖掘最显著的特征;


  第四,价值密度低(Value),价值密度的高低与数据总量的大小成反比。


  大数据近年来逐渐被引入医疗行业,最为经典的案例是2013年美国流感季节时,谷歌公司通过大数据发布的谷歌流感趋势(Google FluTrends,GFT),可媲美美国疾控中心(Centers forDisease Control and Prevention, CDC)颁布的流感监测数据,这也从一个侧面反映了采用大数据和人工智能在医疗行为中有广阔的前景。


  现今的医疗行业中,医院的数字化程度逐渐提高,电子病历的普及以及医疗设备的数字化更是进一步增加了医疗数据的数量和维度。随着医疗数据的快速积累和数据维度不断增加,大数据在医疗健康领域作用越发凸显,包括:临床诊疗决策辅助、疾病预警、远程医疗及精准医疗等。


二、 应用大数据研究AKI势在必行


  AKI指病程在3个月以内,包括血、尿、组织学及影像学检查所见的肾脏结构与功能的异常。AKI 是全球常见的危重病临床综合征,近20年来AKI发病率增加了4倍,并与不良预后息息相关。越来越多的人认识到AKI对患者的影响以及它对社会负担的长期影响,包括慢性肾脏病的发展和需要透析或移植的终末期肾脏病。


  从某种意义上说AKI不仅仅是一个医学问题,且已成为一个重要的公共卫生问题。因此,为减轻AKI的全球负担,国际肾脏病学会(Internationalsociety of Nephrology,ISN)提出急性肾损伤“0by25”倡议,主要目标是及时诊治潜在可逆转的AKI,到2025年将AKI可预防的死亡减少至零,并特别强调中低收入等国家的 AKI 诊治。


  事实上,急性肾损伤是一个可预防的临床综合征。ISN开展的前瞻性的队列研究“AKI Global Snapshot”,纳入 2014 年 9 月至 12 月期间 72 个国家超过4000例AKI患者,初步结果显示接近2/3患者AKI发生于社区;最常导致AKI的病因包括低血压和休克、感染、脱水、心脏事件和肾毒性药物,这些原因大多是可预防的。


  急性肾损伤同时也是一个可治疗的临床综合征。早期识别AKI,早期给予包括关注液体平衡、优化血流动力学、停用肾毒性药物和合适的肾替代治疗等,可以明显改善AKI预后。


  AKI作为一个理想的利用大数据开发应用程序的疾病模型,早在2002年ADQI会议中就进行了初步探索,提出了“信息技术”概念,通过整合临床数据以指导AKI预防、诊治及预后监测,并在实践中取得一定效果。而今,随着大数据时代的到来,以期通过大数据指导和提高AKI治疗、护理效果及改善患者的结局势在必行。


三、 如何构建AKI大数据


  如何构建AKI大数据,是我们将大数据应用于AKI预防及诊治的基础。从数据来源来讲,医疗大数据主要包含:


  一、提供的电子医疗档案、健康档案、临床测试结果、临床评估记录;


  二、患者的社交网络、行为数据、患者提供的结果数据;


  三、医药企业提供的市场营销数据、医疗数据、研发数据;


  四、医保机构持有的报销数据、管理人群等基本数据,以及政府管理机关制定的政策和规范数据。


  这些共同构成医疗卫生行业大数据,这些巨大、复杂的数据,通过大数据的分析,能够更好发挥它们的价值。


  在2016年ADQI共识会议中指出,对于AKI患者的短期和长期结局,建议在人群和患者两级进行数据追踪。人群水平数据可定期从不同来源收集,包括政府数据、医疗机构数据等,并应将所有AKI、相关肾脏情况与总体长期结局相关联。患者水平的数据收集应该记录临床诊断、管理和护理过程,以便对患者进行适当的随访和管理,同时收集AKI的预后情况(图1,图片译自Can J Kidney Health Dis. 2016 Feb 26;3:1314)。



  图 1 AKI患者收集数据流程图


  此外,2016年ADQI共识会议中,对于AKI大数据详细的数据收集也做了具体说明(表2,表格译自Can J Kidney Health Dis. 2016 Feb26;3:1314)。


  目前,一些国家已经建立了一些商业性或非营利性的ICU数据库,如Phlilips eICU、重症医学多参数只能监测数据库(MIMIC)等。国内外专家也在利用这些数据库,进行相关研究探索。国内张仲恒医师就是利用MIMIC-II中数据,发表了数篇关于尿量及钙离子于危重患者预后的文章。


  我科也于2012年开始和合作单位合作,建立了一套完整的、信息高度共享的ICU临床信息系统,即数字化ICU信息管理平台。该信息管理平台实行模块化管理,支持自定义任意权限管理,实现与医院内其它医疗信息系统(HIS、LIS、PACS、病理信息系统、电子病历系统)高度集成和信息共享。


  该管理平台实时收集ICU内各监护仪、呼吸机、用药微泵的数据,并支持各种移动终端(平板电脑、PDA、手机)等无线设备的应用,随时随地录入、查阅病人治疗、护理信息,并自动计算各种指标,同时有强大、灵活的随访评估管理功能,能够对病人病情的长期监测和评估,实现病人医疗数据的深度分析和挖掘。当然,在建立和利用数据库进行研究的时候,加强制度管理,注意患者个人隐私的保护。




  表2 用于追踪AKI的可能数据收集


  (注:AKI急性肾损伤、ICD国际疾病分类编码、CKD慢性肾脏病、CRRT 连续性肾脏替代治疗、MAKE主要肾脏不良事件、MARCE主要肾脏及心血管不良事件)


四、 大数据识别AKI高危因素


  循证医学证据表明对AKI治疗,除了肾脏替代治疗外,几乎所有的药物治疗均未显示能改善患者预后。2015年ISN提出了AKI诊治规范的5R原则,即Risk(风险)、Recognition(识别)、Response(反应)、 RenalSupport(肾脏支持)、Rehabilitation(康复)。前面3项均强调了AKI的预防,对患者进行AKI的早期风险评估,是早期识别与诊断AKI的第一步,起了举足轻重的作用。


  既往大部分研究根据临床经验选择某一个或者几个影响AKI的因素,探讨是否为AKI 高危因素,样本量有限,且大多是针对某些特定的患者(心脏术后、大手术后是否并发AKI)模型探讨,还无法对所有患者的AKI进行有效的预测分析。然后,模型建立的目的是为了预测AKI高风险人群,以期早期预防、早期诊断、早期治疗,提高生存预后。


  当前,指南对AKI定义使得AKI可以被准确定位在某个时间点,从而可以确定AKI疾病前期状态。从基于电子病历系统的大数据可以捕捉患者从无AKI到发展为AKI的全过程,把AKI前期状态数据通过先进信息技术(如随机森林建模、聚类分析或主成分分析等)创建出一种“AKI信息通路”,进一步将该“信息通路”转换成一种识别患者是否有AKI高危险因素的预测模型,从而无偏差预测AKI高危因素,将更加符合临床实际(图2,图片翻自Can J KidneyHealth Dis 2016 Feb 26; 3:1113)。



  图2 AKI发生、发展信号识别


AKI预测模型构建及使用流程包括:


  ①特征选择:评估从文献中筛选的已知的危险因素及电子病历系统中提取的新的危险因素;


  ②模型建立:所有合适的特征都将用于囊括在实际的预测模型当中,该预测模型将剔除个体差异,创造出标准化模型;


  ③模型验证:模型将使用不同的数据集(或存在的子集)来进行校验;


  ④整合电子病历:一旦校验成功,该模型将会被整合进入电子病历系统之中,用于实时AKI预警。


五、 大数据电子预警AKI


  AKI实时电子预警系统旨在通过信息平台等设施自动识别AKI,并及时通知主管医生以期望达到早期识别并处理AKI的目的,近年来引起越来越多的重视。最早的电子AKI预警系统是Rind 1994年报道的,主要应用于发生AKI的患者处方药物时提醒医师需调整药物剂量。


  时隔数年,2007年Colpaert报道在ICU中,根据RIFLE标准,通过ICU护士手工输入尿量和基础肌酐值构建AKI实时电子预警系统,并将AKI事件及时发送到值班医生手机,这是首次针对ICU的重症患者启用AKI实时电子预警系统。


  2011年,Thomas首次报道在所有住院患者中开展AKI电子预警,该系统是借助于医院化验室的软件,以与患者最后一次有记录的血清肌酐值升高75%作为标准,但该方法诊断AKI的准确性欠佳,有66%的后来需要肾替代治疗的患者没有发出AKI的预警。


  但Selby报道依据AKIN标准构建的针对所有住院患者的AKI电子预警系统,由于采用计算机自动预报和人工审核两道关卡,大大提高了该系统的可靠性,使其假阴性率为0.2%,假阳性率1.7%。综上所述,不管在ICU还是整个医院范围依据现行的AKI诊断标准构建AKI实时电子预警系统是完全可行的。


  AKI实时电子预警系统的有效性包含两个方面:其一是有无影响医师处理AKI的医疗行为;其二是对AKI患者预后有何影响。就前者而言,各研究均认为AKI实时电子预警系统能有效改善主管医生处理AKI的及时率,但对AKI患者预后的影响则结论不统一。


  如Colpaert发现AKI电子预警系统执行期间较执行前和执行后ICU内AKI患者由RISK转变为正常肾功能比例明显增高(65.9%vs 61%和63.1%,p=0.048),但对AKI患者的死亡率和住院时间并没有明显的影响。同样的针对全院AKI患者的一项研究者设盲、平行随机对照试验,也发现AKI电子提醒组和未提醒组对AKI患者7天内肌酐的改变、是否需透析治疗和死亡率无显著性差异。


  事后有评论认为AKI预警系统之所以没有改善患者预后,与没有执行规范化的AKI治疗Bundle息息相关。2015年发表的在英国一家三级医院构建了AKI电子预警并结合AKI治疗Bundle的贯彻执行,结果发现,AKI电子预警系统能明显提高医师对AKI治疗Bundle的遵循率,在24小时内遵循AKI治疗Bundle较晚于24小时或没有遵循AKI治疗Bundle者,明显降低了出院时、30天及60天患者的死亡风险。


  综上所述,国外研究表明AKI实时电子预警系统能提高医师对AKI的早期识别和处理,但对是否能改善AKI患者的预后,尚有很大争议,而将AKI实时电子预警联合AKI治疗Bundle,能降低AKI患者死亡风险。


  在2016年ADQI共识会议中指出,基于KDIGO标准以血肌酐为基准构建AKI的预警系统是十分可行的,若将多种监测、诊断的指标进一步整合成完善数据库,将有利于增加电子预警系统的敏感性和特异性(图3,Can J KidneyHealth Dis 2016 Feb 26; 3:928)。



  图3 自动识别系统的构建和优化步骤


  基于KDIGO标准,近两年我科也正在开展大数据预测及电子预警AKI的探索,承担了《基于大数据和人工智能的急性肾损伤预测模型和防治Bundle体系的构建及其意义》和《ICU内急性损伤实时电子预警和防治Bundle体系的构建及其意义》两项卫计委省部共建项目,期待项目能成功实施。


六、 大数据追踪AKI预后


  既往研究显示,AKI与蛋白尿、CKD、高血压、心血管疾病和休克的风险增加有关。尽管AKI发病率在逐年增加,但AKI患者很少坚持随访治疗。在大多数情况下,AKI患者失访可能与随访人员缺乏、患者对AKI及其潜在长期不良预后风险的认知不足相关。认知的缺乏将导致无法从机构层面、管理层面和人群层面去追踪AKI患者。然而,基于电子病历系统大数据可以帮我们解决这些问题。


  对AKI患者的追踪取决于如何对明确诊断AKI的患者打上“标签”;一旦电子病历系统中自动诊断AKI,就会准确地启用“标签”。最为简单直接的方法是采用国际疾病分类(ICD-9/10)代码对AKI进行疾病分类。


  然而,ICD-9/10特异性很高,敏感性却很低。为了弥补ICD-9/10不足,一方面应用传统的ICD-9/10代码来记录患者,另一方面在电子病历系统中采用KDIGO诊断标准对AKI疾病进行准确的自动识别诊断,从而创造出更精准的“标签”。这种“标签”是通过系统自动识别执行,且遵从程序者的判断。


  因此,一旦成功对AKI患者实施标记,就可以轻松从患者水平、机构水平、人群水平进行AKI追踪(图4,译自Blood Purif2017;44:68–768)。



  图4 基于大数据随访AKI患者


  在患者水平上,AKI“标签”可以引导患者进入相应的临床随访中心,且改善临床预后。一方面,在患者出院时应用AKI“标签”通知主诊医师并自动形成一项肾病科随访的指令。另一方面,出院医嘱本身也可以触发随访按钮并写入患者的出院指导意见中。同时,基于KDIGO指南定义,该系统甚至可以生成对血肌酐、白蛋白/肌酐比率的动态监测,让2/3期AKI患者直接进入随访治疗。


  此外,AKI“标签”也提高了其他专科医师警惕性,对AKI患者应密切监测肾功能,尽量避免使用肾毒性药物。显然,患者水平的AKI“标签”在医疗机构小环境中是最有效的。一旦,患者出院后就诊于无识别“标签”系统的医疗机构,随访就难以延续。因此,在患者水平随访时应该建立统一的信息化平台,避免失访。


  在人群水平,准确的诊断和AKI“标签”可以对患者进行一个纵向追踪。


  在机构水平,如果患者被打上一个类似于身份证的患者识别代码,就可以跨机构及跨整个国家管理数据库进行疾病追踪:


  第一,基于大数据,对明确AKI诊断和长期预后追踪可以更好的评估AKI带来的医疗负担。目前,国家管理数据库依赖于临床医师的上报和AKI的ICD9/10代码疾病分类,其弊端是导致AKI疾病敏感性下降,AKI不良预后事件增加,透析需求上升。然而,基于大数据可以更加精确的反应AKI疾病的医疗成本和发病率。


  第二,基于大数据,精确识别AKI患者有利于招募临床试验和注册试验参与者,从而促进AKI治疗方案的科学研究。


  第三,基于大数据随访,医疗机构可以主动进行数据监测和质量持续改进。


七、 未来展望


  当前,大数据时代的到来给重症医学的发展带来了新变革,由于国内外信息化建设水平、经济水平及医务人员配比不一,在临床实践中仍存在巨大的困难和挑战。


  对于大数据在AKI的应用,ADQI共识会议已经对如何开发和应用预测模型、如何开发新的应用程序、自动电子预警、不同数据库诊断AKI能力和应用数据库追踪AKI患者等方面做了详细说明,给我们在AKI预防及诊治方面指明了新的方向。


  面临新事物时,重症医学人砥砺前行,建立一套完善的信息化平台,学习相关的数据处理知识,并应用于临床实践,最终给危重患者带来福音。


    2019/1/4 20:27:54     访问数:861
    转载请注明:内容转载自365医学网

大家都在说       发表留言

客服中心 4000680365  service@365yixue.com
编辑部   editor@365yixue.com

365医学网 版权所有 © 365heart All Rights Reserved.

京ICP备12009013号-1
京卫网审[2013]第0056号
京公网安备110106006462号
京ICP证041347号
互联网药品信息服务资格证书(京)-经营性-2018-0016  
搜专家
搜医院
搜会议
搜资源
 
先点击
再选择添加到主屏