【文献快讯】人工智能技术在骨科领域中的应用进展

    临床上的骨科患者多在院外由于摔伤、车祸伤等暴力损伤导致创伤性骨折、骨关节脱位，具有发病急、病情重的特点，伴有开放性骨折、多发性骨折者更是如此，严重者甚至可危及生命。因此，骨科患者多首选急诊骨科方式进行就诊，在患者紧急就诊的情况下按照病情轻重缓急决定暂时留观、紧急手术或转入骨科亚专科住院治疗的快速分诊模式尤为重要。然而，在目前大多数地区医疗系统中，急诊骨科普遍存在医务人员不足、医疗资源匮乏、工作负荷过大等问题；由于患者个体差异大、病情复杂，分诊去向很大程度依赖高年资医生的医学经验，不但不利于准确分诊，也不利于低年资医生的成长培养。因此建立高效、准确的急诊骨科分诊系统具有重要的临床意义。

    随着AI技术的进展，AI理念也逐步应用到了急诊分诊模式中来。Fernandes等回顾性分析了关于临床决策系统（clinical decision support systems，CDSS）的研究后指出，基于机器学习算法（逻辑回归模型）的CDSS能够根据急诊患者的年龄、性别、生命体征等参数建模，成功预测出急诊患者处理时的优先次序、是否需要重症监护、重症监护时长及院内死亡率，对急诊医疗人员的临床决策有明确的指导作用，有效促进了急诊患者的治疗效果。Patel等建立了决策树、逻辑回归、随机森林、梯度提升机四种算法模型对急诊患者进行预测试验，经深度学习后四种算法中除决策树模型外都能准确预测患者的医疗需求和护理级别。Nas和Koyuncu统计了Ceyhan医院急诊科5年内的数据进行机器学习后构建出AI模型，可较精确地预测急诊科容量和最优床位规划，有利于急诊科室管理与急诊患者就诊规划。

    这类基于AI技术的新型分诊系统也较传统分诊系统更加精准和优越。Lee等通过变量回归模型对81520例急诊患者进行分析后开发出了急诊部门的分类预警评分（Triage in Emergency Department Early Warning Score，TREWS）应用结果表明，在患者就诊后30d内各阶段死亡率的预测活动中，TREWS的性能优于常用的国家早期预警评分（National Early Warning Score，NEWS）、改良早期预警评分（Modified Early Warning Score，MEWS）、快速急救医学评分（Rapid Emergency Medicine Score，REMS）等系统。Cheng和Kuos所建立的长期短期记忆（Long Short Term Memory，LSTM）递归神经网络模型对急诊就诊时长等参数的预测较线性回归模型的预测结果的平均绝对误差降低9.7%，进一步优化了对急诊医疗资源的合理分配。另外，还有多项AI技术应用于急诊分诊的研究，总体来说此类基于AI新型分诊系统的出现极大地促进了患者急诊就诊时的科学分诊和高效分诊，是骨折患者快速诊治的前提保障。