連續性腎臟替代治療（continuous renal replacement therapy, CRRT）是救治危重癥患者的重要治療技術之一。近年來，人工智能領域發展迅速，在制造業、汽車、生活領域均已廣泛應用。人工智能在醫學領域的發展和應用也進展迅速，人工智能影像結果判斷、病理結果判斷、患者預后預測等也逐漸進入臨床。人工智能在 CRRT 領域的發展也有了快速進展。因此，該文將闡述人工智能在 CRRT 技術中的應用現狀，以及其在 CRRT 技術中的未來前景，從而為認識人工智能在 CRRT 技術中的應用提供參考。
引用本文： 劉同, 柏明, 孫世仁. 連續性腎臟替代治療人工智能時代還有多遠？. 華西醫學, 2024, 39(7): 1019-1022. doi: 10.7507/1002-0179.202406096 復制
版權信息： ?四川大學華西醫院華西期刊社《華西醫學》版權所有，未經授權不得轉載、改編
連續性腎臟替代治療（continuous renal replacement therapy, CRRT）首次出現于 20 世紀 70 年代末，由于其具有血流動力學穩定、持續清除水分和溶質、改善內環境紊亂等諸多優勢，被廣泛用于腎臟疾病和非腎臟疾病的救治[1]，已成為危重癥患者的重要器官支持治療方式之一[2]。重癥急性腎損傷是 CRRT 最常見的治療指征，根據 2012 年改善全球腎臟病預后組織（Kidney Disease: Improving Global Outcomes, KDIGO）指南，當急性腎損傷發展至 2 期時即可考慮進行 CRRT 干預[3]。急性腎損傷具有高發病率和高死亡率，是重癥監護室（intensive care unit, ICU）患者最常見的并發癥，一項關于危重癥患者急性腎損傷的流行病學研究涉及 33 個國家 97 個ICU，共納入了
1 人工智能概述
人工智能是開發用于模擬、延伸和擴展人的理論、方法、技術及應用系統的新科技[6]。人工智能的發展經歷了 3 個階段：第 1 階段為 20 世紀 50－80 年代，此階段人工智能初步誕生，并出現了機器學習、人機對話等，推動了人工智能發展的第 1 次繁榮；第 2 階段為 20 世紀 80－90 年代末，該階段出現了神經網絡、貝葉斯網絡、進化算法、支持向量機等技術，促使人工智能進入了第 2 個繁榮期；第 3 階段為 21 世紀至今，此階段云計算技術的出現以及大數據時代的到來迎來了人工智能的第 3 次繁榮發展[7-8]。人工智能的出現與發展激發了社會各個領域的深刻變革，醫學領域作為人工智能的前沿陣地，其在人工智能的推動下也發生了質的進步，如人工智能在影像診斷、輔助診療、醫療及患者管理等方面均取得了顯著成果。
2 CRRT 人工智能現狀
人工智能的快速發展極大促進了 CRRT 技術的發展，特別是近年來通過人工智能的機器學習，能夠處理和分析大量數據，構建多種數據模型，改進了傳統 CRRT 技術的缺陷，對 CRRT 具有指導意義，具體體現在以下方面。
2.1 人工智能在 CRRT 中的預測分析價值
在臨床實踐中，醫生往往綜合患者的病情而確定 CRRT 啟動時機，但是目前關于 CRRT 的適時啟動時機尚無定論，特別是對于無急診適應證的急性腎損傷患者，何時啟動 CRRT 是長期困擾的問題[9-10]。目前一些研究嘗試采用數據算法預測急性腎損傷患者的 CRRT 啟動時機，如 Guru 等[11]建立了一種算法，通過自動搜索電子病歷系統，確定接受體外膜肺氧合患者并發急性腎損傷時 CRRT 的啟動時機，研究結果顯示該算法的自動搜索電子病歷系統與手動搜索有 99%的一致率，并在進一步的驗證中發現其準確率為 100%。Roy 等[12]引入了一種 SeqSNR 模型，用來預測急性腎損傷的發生和 CRRT 的啟動時機。張婭峰[13]采用 GBDT（gradient boosting decision tree）、支持向量機等機器學習算法模型，預測ICU患者 CRRT 的啟動時機，研究結果表明 GBDT 模型的準確率和召回率達到 80%以上，受試者操作特征曲線下面積為 0.84。人工智能除了能為預測 CRRT 啟動時機提供重要依據外，其對 CRRT 過程中并發癥的預測以及 CRRT 之后的預后預測也有重要價值。如 Kang 等[14]采用機器學習算法開發了 CRRT 開始后低血壓發生的預測模型；肖桂林[15]建立了隨機森林、支持向量機等預測模型，預測了入住ICU的急性腎損傷患者在接受 CRRT 后 28 d 的死亡率；同樣，Yoo 等[16]也通過機器學習預測了進行 CRRT 的重癥急性腎損傷患者早期及晚期的死亡率。
2.2 人工智能在 CRRT 中的智能化監測價值
為保證 CRRT 過程的順利進行，在治療過程中需要及時動態監測患者的檢查指標以及機器的治療參數，特別是 CRRT 機器的自動報警系統能夠及時監測各種原因引起的治療中斷，因此防止機器的報警疲勞是至關重要的。一項研究探討了聊天機器人應用于ICU腎臟病患者護理工作中的潛在價值，研究指出當 CRRT 出現報警或技術困難時，聊天機器人能夠幫助排除故障并能夠提供決策支持[17]。Zhang 等[18]對 1 例接受 CRRT 的急性腎損傷合并膿毒癥患者通過遠程監測 CRRT 的壓力，預測管路凝血的發生情況，結果顯示監測交換膜壓力、濾器壓力的降低及流出液體可預測凝血的發生。在 CRRT 過程中，治療相關參數的記錄是至關重要的，手動記錄相關參數無疑會增加醫護人員的工作負擔，四川大學華西醫院研發的 CRRT 護理信息化系統不僅能夠自動監測和獲取相關的治療參數，而且能夠優化護理流程，極大地提高了醫療效率[19]。
2.3 人工智能在 CRRT 中的個體化管理價值
在 CRRT 過程中，由于患者之間的差異性，往往需要制定個體化的治療方案。血管通路的建立、治療劑量的確定、抗凝方案的選擇等是 CRRT 中的重要環節。有研究建立了機器學習算法模型，用于預測采用枸櫞酸鈉抗凝行 CRRT 時枸櫞酸過量的早期預警，并提供了枸櫞酸和葡萄糖酸鈣的調整建議[20]。在 CRRT 的實際治療過程中，由于治療的中斷，處方治療劑量與實際治療劑量存在一定的差異，有研究通過建立全流程的 CRRT 智能平臺，構建了急性腎損傷患者 CRRT 劑量的達成模型[21]。
3 人工智能 CRRT 發展的挑戰
盡管人工智能促進了 CRRT 技術的發展，但是其在 CRRT 中的應用同樣存在著風險與挑戰：① 患者的隱私與安全性可能無法得到有效的保護。人工智能構建的多種數據模型需要借助大量的患者數據，盡管醫務工作者有義務保護患者的隱私，但是在某些情況下尚有潛在泄露患者信息的風險，且目前我國仍缺乏相應的法律法規保護人工智能相關的數據隱私[22]。因此，如何保護患者的隱私是尚需解決的問題。② 人工智能構建的 CRRT 相關數據模型的質量可能無法得到有效保證。數據模型的建立需要高質量的數據證據，但在實際中往往存在數據的缺失及錯誤等，這將降低數據模型的質量。除此以外，篩選中的選擇偏倚、早進入偏倚以及算法本身的偏倚都將影響數據模型的質量。③ 人工智能構建的 CRRT 數據模型的解釋性存在一定的限制。由于數據模型的不透明性，且大多數與 CRRT 相關的數據模型缺少大樣本多中心隨機對照試驗，因此限制了醫務工作者對模型的信任[23]。④ 人工智能構建的 CRRT 數據模型受到地區差異的影響，由于 CRRT 目前尚無統一標準化的治療規范，且不同地區之間醫療水平存在差異，因此在發達地區構建的數據模型與欠發達地區構建的數據模型也存在差異。研究表明，在發達地區構建的數據模型相較欠發達地區構建的數據模型在算法適配性方面更有優勢，而這種差異性將會進一步加深地區之間的差異[24]。⑤ 人工智能可能無法有效保證重癥 CRRT 患者的人機交互、病情診斷。重癥 CRRT 患者病情普遍嚴重，病情進展迅速，目前人工智能在人機交互技術和使用穩定性方面還有待突破。因此，人工智能對重癥 CRRT 患者的病情診斷還需要進一步驗證和提高。
4 CRRT 人工智能的未來展望
現階段人工智能在 CRRT 技術中的應用還尚處于萌芽時期，目前的研究多關注數據模型的建立，但由于缺乏足夠的循證醫學證據，一些數據模型尚未被廣泛應用于臨床實踐中。隨著人工智能的不斷發展以及數據模型的不斷優化，這些模型在疾病預測、患者預后預測以及 CRRT 的指導治療中具有潛在價值。此外，醫院人力緊張導致了 CRRT 的質量控制存在困難，這有可能降低 CRRT 的療效。為保證高質量的 CRRT，人工智能信息化系統能為 CRRT 的質量控制帶來顯著的幫助[25]。目前，人工智能在 CRRT 中的研究大多是在成年患者中進行的，缺乏兒童相關的數據模型，未來還需要更多的研究評估其在兒童 CRRT 中的應用[24]。未來人工智能與工科、自動化、人形機器人等學科的交叉融合也值得關注，這種多學科的整合也將會進一步促進人工智能 CRRT 技術的發展。
5 小結
人工智能在 CRRT 技術中的應用具有重要價值，其在 CRRT 過程中的預測性分析、智能化監測和個體化管理中發揮了明顯優勢，保障和提高了 CRRT 的治療質量以及醫療效率。但同時也不可忽視其在 CRRT 技術應用中的局限性，正確合理地對待人工智能在 CRRT 技術中的應用是至關重要的。現階段人工智能在 CRRT 技術中的應用還處于萌芽時期，隨著信息化的不斷發展，人工智能將會為 CRRT 技術帶來重大變革。
利益沖突：所有作者聲明不存在利益沖突。
連續性腎臟替代治療（continuous renal replacement therapy, CRRT）首次出現于 20 世紀 70 年代末，由于其具有血流動力學穩定、持續清除水分和溶質、改善內環境紊亂等諸多優勢，被廣泛用于腎臟疾病和非腎臟疾病的救治[1]，已成為危重癥患者的重要器官支持治療方式之一[2]。重癥急性腎損傷是 CRRT 最常見的治療指征，根據 2012 年改善全球腎臟病預后組織（Kidney Disease: Improving Global Outcomes, KDIGO）指南，當急性腎損傷發展至 2 期時即可考慮進行 CRRT 干預[3]。急性腎損傷具有高發病率和高死亡率，是重癥監護室（intensive care unit, ICU）患者最常見的并發癥，一項關于危重癥患者急性腎損傷的流行病學研究涉及 33 個國家 97 個ICU，共納入了
1 人工智能概述
人工智能是開發用于模擬、延伸和擴展人的理論、方法、技術及應用系統的新科技[6]。人工智能的發展經歷了 3 個階段：第 1 階段為 20 世紀 50－80 年代，此階段人工智能初步誕生，并出現了機器學習、人機對話等，推動了人工智能發展的第 1 次繁榮；第 2 階段為 20 世紀 80－90 年代末，該階段出現了神經網絡、貝葉斯網絡、進化算法、支持向量機等技術，促使人工智能進入了第 2 個繁榮期；第 3 階段為 21 世紀至今，此階段云計算技術的出現以及大數據時代的到來迎來了人工智能的第 3 次繁榮發展[7-8]。人工智能的出現與發展激發了社會各個領域的深刻變革，醫學領域作為人工智能的前沿陣地，其在人工智能的推動下也發生了質的進步，如人工智能在影像診斷、輔助診療、醫療及患者管理等方面均取得了顯著成果。
2 CRRT 人工智能現狀
人工智能的快速發展極大促進了 CRRT 技術的發展，特別是近年來通過人工智能的機器學習，能夠處理和分析大量數據，構建多種數據模型，改進了傳統 CRRT 技術的缺陷，對 CRRT 具有指導意義，具體體現在以下方面。
2.1 人工智能在 CRRT 中的預測分析價值
在臨床實踐中，醫生往往綜合患者的病情而確定 CRRT 啟動時機，但是目前關于 CRRT 的適時啟動時機尚無定論，特別是對于無急診適應證的急性腎損傷患者，何時啟動 CRRT 是長期困擾的問題[9-10]。目前一些研究嘗試采用數據算法預測急性腎損傷患者的 CRRT 啟動時機，如 Guru 等[11]建立了一種算法，通過自動搜索電子病歷系統，確定接受體外膜肺氧合患者并發急性腎損傷時 CRRT 的啟動時機，研究結果顯示該算法的自動搜索電子病歷系統與手動搜索有 99%的一致率，并在進一步的驗證中發現其準確率為 100%。Roy 等[12]引入了一種 SeqSNR 模型，用來預測急性腎損傷的發生和 CRRT 的啟動時機。張婭峰[13]采用 GBDT（gradient boosting decision tree）、支持向量機等機器學習算法模型，預測ICU患者 CRRT 的啟動時機，研究結果表明 GBDT 模型的準確率和召回率達到 80%以上，受試者操作特征曲線下面積為 0.84。人工智能除了能為預測 CRRT 啟動時機提供重要依據外，其對 CRRT 過程中并發癥的預測以及 CRRT 之后的預后預測也有重要價值。如 Kang 等[14]采用機器學習算法開發了 CRRT 開始后低血壓發生的預測模型；肖桂林[15]建立了隨機森林、支持向量機等預測模型，預測了入住ICU的急性腎損傷患者在接受 CRRT 后 28 d 的死亡率；同樣，Yoo 等[16]也通過機器學習預測了進行 CRRT 的重癥急性腎損傷患者早期及晚期的死亡率。
2.2 人工智能在 CRRT 中的智能化監測價值
為保證 CRRT 過程的順利進行，在治療過程中需要及時動態監測患者的檢查指標以及機器的治療參數，特別是 CRRT 機器的自動報警系統能夠及時監測各種原因引起的治療中斷，因此防止機器的報警疲勞是至關重要的。一項研究探討了聊天機器人應用于ICU腎臟病患者護理工作中的潛在價值，研究指出當 CRRT 出現報警或技術困難時，聊天機器人能夠幫助排除故障并能夠提供決策支持[17]。Zhang 等[18]對 1 例接受 CRRT 的急性腎損傷合并膿毒癥患者通過遠程監測 CRRT 的壓力，預測管路凝血的發生情況，結果顯示監測交換膜壓力、濾器壓力的降低及流出液體可預測凝血的發生。在 CRRT 過程中，治療相關參數的記錄是至關重要的，手動記錄相關參數無疑會增加醫護人員的工作負擔，四川大學華西醫院研發的 CRRT 護理信息化系統不僅能夠自動監測和獲取相關的治療參數，而且能夠優化護理流程，極大地提高了醫療效率[19]。
2.3 人工智能在 CRRT 中的個體化管理價值
在 CRRT 過程中，由于患者之間的差異性，往往需要制定個體化的治療方案。血管通路的建立、治療劑量的確定、抗凝方案的選擇等是 CRRT 中的重要環節。有研究建立了機器學習算法模型，用于預測采用枸櫞酸鈉抗凝行 CRRT 時枸櫞酸過量的早期預警，并提供了枸櫞酸和葡萄糖酸鈣的調整建議[20]。在 CRRT 的實際治療過程中，由于治療的中斷，處方治療劑量與實際治療劑量存在一定的差異，有研究通過建立全流程的 CRRT 智能平臺，構建了急性腎損傷患者 CRRT 劑量的達成模型[21]。
3 人工智能 CRRT 發展的挑戰
盡管人工智能促進了 CRRT 技術的發展，但是其在 CRRT 中的應用同樣存在著風險與挑戰：① 患者的隱私與安全性可能無法得到有效的保護。人工智能構建的多種數據模型需要借助大量的患者數據，盡管醫務工作者有義務保護患者的隱私，但是在某些情況下尚有潛在泄露患者信息的風險，且目前我國仍缺乏相應的法律法規保護人工智能相關的數據隱私[22]。因此，如何保護患者的隱私是尚需解決的問題。② 人工智能構建的 CRRT 相關數據模型的質量可能無法得到有效保證。數據模型的建立需要高質量的數據證據，但在實際中往往存在數據的缺失及錯誤等，這將降低數據模型的質量。除此以外，篩選中的選擇偏倚、早進入偏倚以及算法本身的偏倚都將影響數據模型的質量。③ 人工智能構建的 CRRT 數據模型的解釋性存在一定的限制。由于數據模型的不透明性，且大多數與 CRRT 相關的數據模型缺少大樣本多中心隨機對照試驗，因此限制了醫務工作者對模型的信任[23]。④ 人工智能構建的 CRRT 數據模型受到地區差異的影響，由于 CRRT 目前尚無統一標準化的治療規范，且不同地區之間醫療水平存在差異，因此在發達地區構建的數據模型與欠發達地區構建的數據模型也存在差異。研究表明，在發達地區構建的數據模型相較欠發達地區構建的數據模型在算法適配性方面更有優勢，而這種差異性將會進一步加深地區之間的差異[24]。⑤ 人工智能可能無法有效保證重癥 CRRT 患者的人機交互、病情診斷。重癥 CRRT 患者病情普遍嚴重，病情進展迅速，目前人工智能在人機交互技術和使用穩定性方面還有待突破。因此，人工智能對重癥 CRRT 患者的病情診斷還需要進一步驗證和提高。
4 CRRT 人工智能的未來展望
現階段人工智能在 CRRT 技術中的應用還尚處于萌芽時期，目前的研究多關注數據模型的建立，但由于缺乏足夠的循證醫學證據，一些數據模型尚未被廣泛應用于臨床實踐中。隨著人工智能的不斷發展以及數據模型的不斷優化，這些模型在疾病預測、患者預后預測以及 CRRT 的指導治療中具有潛在價值。此外，醫院人力緊張導致了 CRRT 的質量控制存在困難，這有可能降低 CRRT 的療效。為保證高質量的 CRRT，人工智能信息化系統能為 CRRT 的質量控制帶來顯著的幫助[25]。目前，人工智能在 CRRT 中的研究大多是在成年患者中進行的，缺乏兒童相關的數據模型，未來還需要更多的研究評估其在兒童 CRRT 中的應用[24]。未來人工智能與工科、自動化、人形機器人等學科的交叉融合也值得關注，這種多學科的整合也將會進一步促進人工智能 CRRT 技術的發展。
5 小結
人工智能在 CRRT 技術中的應用具有重要價值，其在 CRRT 過程中的預測性分析、智能化監測和個體化管理中發揮了明顯優勢，保障和提高了 CRRT 的治療質量以及醫療效率。但同時也不可忽視其在 CRRT 技術應用中的局限性，正確合理地對待人工智能在 CRRT 技術中的應用是至關重要的。現階段人工智能在 CRRT 技術中的應用還處于萌芽時期，隨著信息化的不斷發展，人工智能將會為 CRRT 技術帶來重大變革。
利益沖突：所有作者聲明不存在利益沖突。