美國每年住院的重癥監護患者超過500萬，約30%的患者無法活下來。早期診斷能夠提高護理質量和效率，而效率的提高又可降低發病率和死亡率。此外，早期治療還能縮短患者的住院時間，并把對患者的長期損害降到最小，因為長期損害在患者出院很長一段時間后仍可能對其造成影響。

隨著AI技術在醫療領域的不斷投入，利用AI來提供病人臨床惡化的早期跡象對于醫生或者創業公司來說也成為了一個重要的思路。

重癥監護患者尤其容易出現腎和肝衰竭、心臟驟停、休克、器官功能衰竭和敗血癥等并發癥問題，盡管重癥監護室投入了大量資源，但上述情況還是會發生。以色列大數據醫學調研公司Clew Medical就是其中一家公司，他們推出其AI預測分析平臺，對重癥監護環境中威脅生命的并發癥的早期預測進行研究。

雷鋒網了解到，Clew Medical于2014年在以色列成立，公司開發的系統對醫院重癥監護病房收集的醫療信息進行分析，對可能發生危及生命的現象提供早期預警，并為住院病人的護理決策過程提供支持。聯合創始人Gal Salomon表示，在一家普通的醫院，重癥監護室通常是醫院最小的部門，僅占約9%的床位，卻占用了醫院31%的預算。

簡而言之，Clew的思路是使用實時數據和機器學習技術來提供病人臨床惡化的早期跡象，然后將信息放置在一個易于閱讀的界面中，其中一些數據每隔幾毫秒就采集一次。

據雷鋒網了解，此前，Clew在其相關性研究中所用的數據來自特拉維夫大學附屬Sourasky醫學中心以及美國數家醫院在2007-2014年間收集的患者信息，其中前者約收集了8000名患者的信息。

上述匿名信息通過高級數學算法進行清理、過濾和分析，創建模型，對重癥監護患者病情惡化和/或并發癥進行早期預測。“借助準確預測臨床病情的模型，醫務人員能夠提高醫護水平，并根據每個患者的不同需求對癥下藥。”

Salomon說，“這種能力對重癥監護室來說絕對是至關重要的。即使只是在可能發生并發癥的數小時內趁早發現問題，也能把病人從死亡線上拉回來，并大大降低發病率，而發病率在患者出院很長一段時間后仍可能會影響患者的治療效果。”

“如今，大多數可用的系統都可以通過人口健康模型或預先設定的基于規則的警報來提供基本的預測，”Gal Salomon表示，“Clew的平臺能夠使用大量的數據來生成針對患者的預測。而且，由于系統利用了先進的機器學習技術，我們的預測模型可以隨著時間的推移而不斷發展和完善。“

雷鋒網了解到，Clew加入了一批在醫療和保健環境中使用AI的創業公司，其中包括使用AI從掃描中識別疾病的Zebra Medical Vision?和使用AI為癌癥患者提供重要資源的Belong。除了識別風險最高的患者之外，系統還能識別患者預期的醫療結果的偏差，幫助確定患者的護理水平是否應該改變，并協助資源分配。

“我們最初的部署是針對一線醫療中心，”Salomon表示。“目前，我們在位于明尼蘇達州羅徹斯特市的梅奧診所，特拉維夫醫療中心（1500張病床，以色列最大的學術醫療中心）運行的概念系統已經得到驗證，也在美國的幾家醫院里部署我們的系統。這一領域的規定是一個不斷變化的目標，而且正在迅速發展。

那么Clew的下一步是什么？

“公司最初的重點是ICU的設置，但是，在高靈敏度的環境下證明了我們系統的有效性，Clew正在擴大它的產品范圍，包括圍手術期、ER部門、綜合醫院樓層等，”Salomon說。“系統也可以從病人的床邊部署，實時同步到一個集中的臨床指揮控制中心。”