基于人工智能智能的导管相关血流感染风险预测模型

上海中医药大学附属曙光医院

导管相关血流感染（Central line associated blood stream infection, CLABSI）是指在完成中心静脉置管后或拔出血管内导管后48小时出现的菌血症或真菌血症，并伴有感染表现，是常见的医院感染类型，占到医院相关血流感染的70%。美国国家医疗安全协作网（NHSN）监测的CLABSI发病率为0.8/1000导管日，我国2013-2015年的监测数据显示CLABSI的发病率在3.5/1000导管日。治疗CLABSI会增加住院费用和住院天数，国外监测数据显示每治疗一例CLABSI增加医疗费用45814美元。 CLABSI还增加感染患者的病死率。

CLABSI是可以预防的医院感染。美国在进行全国医疗治疗改进行动后，CLABSI感染发生率下降46%，我国在连续多年的《国家医疗服务与质量安全报告》显示，我国二级以上医院住院患者CLABSI发生率改善不大。因此国家卫健委将“改善中心静脉导管及外周静脉置入中心静脉导管的相关血流感染”作为2021年《国家医疗质量安全改进目标》之一。

对CLABSI进行全面、科学、动态地监测能有效地发现相关风险因素，并针对性制定预防策略，切实降低CLABSI发病率。然而常规的监测是基于患者病历监测，需要大量人力调阅临床病例、微生物报告和用药信息，并结合现场实际调查进行判断，耗时长、效率低，过多依赖监测人员个人发现感染病例能力完成监测，导致遗漏大量感染病例。

针对上述痛点问题，上海中医药大学附属曙光医院利用院内5年CLABSI监测数据，与人工智能企业协作，探索不同深度学习方法，筛选建立监督下的机器学习模型，利用人工智能主动筛查留置中心静脉导管患者发生CLABSI风险，并向院感监测人员提供预警，协助临床科室及早进行CLABSI预防和干预，降低医院内CLABSI发病率，保障患者安全。该软件与医院临床数据平台对接，每晚对留置中心静脉导管患者前24小时的危险因素进行采集，进行运算分析，报告感染风险概率，展现给医院感染监测人员；对感染风险高的患者，提示医院感染监测人员现场核查、指导临床工作人员进行风险防范或及时干预，减少感染发生。通过人工智能的主动监测、筛查，大大减少医院感染管理人员对低风险患者的监测时间，将监测重点放在高危患者的防控上，提高医院感染预防效率。