人工智慧

透析中低血壓是血液透析令人擔心的併發症，與心血管致病和致命風險增加有關，然而，造成透析中低血壓的原因眾多且複雜，要正確預測在臨床上仍是挑戰。來自韓國7所大學醫院2007位腎友942330次血液透析過程的研究，利用透析前的特點，發展深度學習的人工智慧模型來預測透析中低血壓的發生。5.39%透析治療程序有發生透析中低血壓，這些個案的透析前血壓較低、脫水速度和透析間體重增加較多、和前次透析較常發生透析中低血壓。馬修斯相關係數和宏觀平均F1分數，被用來評估預測表現。若僅來自前一次透析程序的資料，預測能力和先前的人工智慧模型差不多，當合併前三次透析治療的資料，深度學習模型則優於其他模型，較正確地預測透析中低血壓，是更可靠和易於篩檢的工具。人工智慧模型能讓臨床醫師發現容易低血壓的腎友，並在血液透析治療前，調整血液透析設定。下一步則是納入"預先預防透析中低血壓介入措施"作為回饋系統的一部分，包括提前降低腎友目標脫水量、更為頻繁血壓監測、降低透析液溫度、和延長當天透析治療時間，若能無縫接軌深度學習模型，相信可以在臨床專精於預防透析中低血壓。