當患者進入了重癥監護病房，那么就等于將一切托付給了醫生。然而重癥監護室監控的指標眾多，不同的患者需要關注的指標權重也各不相同，盡管醫生護士全神貫注處理病人相關的事項，失誤仍在所難免。
據數據顯示，美國2005年ICU錯誤發生率高達1497次／每萬人，其中嚴重威脅生命的占13％；平均每人每天發生1．7個醫療錯誤，每年平均有9．8萬ICU患者死于醫療錯誤。不過，還有一個積極的數據顯示，在這些醫療失誤中，28％～84％都是可預防的，只是醫院需要找到一個有效的途徑進行預防。
國內情況也不容樂觀。隨著老齡化的到來，病人數量不斷增加，而醫生成長時間長，供求差額越來越大，專業醫生資源嚴重不足。另一方面，目前很多疾病診療缺乏適用于國內人群的專業指南，均靠醫生經驗判斷，而有經驗的臨床醫生非常有限。
ICU的情況則更為嚴峻，對于醫生而言，進入ICU的患者病情普遍多變復雜，綜合數據維度多達236項，遠超過了人力的控制范圍，難以精準評估病情變化。對于患者而言，ICU的開銷不菲，人均消耗醫療費用75673元（年產生醫療費用1000多億元），可以說ICU是醫院中最“燒錢”的科室。
針對當前醫院ICU的痛點，地處杭州人工智能小鎮的脈興醫療以ICU醫療大數據為基礎搭建了病情評估系統，用人工智能輔助預測病人病情發展趨勢，并衍生出呼吸機智能管理系統、急性腎損傷（AKI）早期預警系統，用以為醫生提供輔助預警與決策，提高患者的生存率與預后效果。目前脈興醫療的發展模式通過數據結構化的積累，為ICU行業的AI賦能，力爭成為ICU行業的＂零氪科技＂。
以ICU為核心，深入臨床診斷系統細節
脈興醫療聚焦于建立重癥多參數智能醫療大數據平臺，為醫療大數據平臺以及AI產品研發提供數據源；并利用臨床數據通過NLP（自然語言處理）、圖像識別、預測建模等機器學習的方法，研發臨床可用的醫療輔助決策系統，輔助醫生對患者病情進行精準判斷。
1、病情評估與死亡預測系統
脈興醫療的核心產品病情評估系統的核心是一個基于MIMIC數據庫建立的病情評估模型，能夠實時分析臨床數據，把與疾病最相關的參數按照權重展示給醫生，并預測病情發展與死亡風險趨勢，輔助醫生運用自己的臨床經驗快速進行臨床診療決策。脈興自主研發的死亡預測模型對患者死亡結果的預測準確率達到94％，而在協和醫院進行實例驗證時準確率也到達了87％。
2、WeanDoc（人工智能搭建呼吸機智能管理系統）
在ICU科室，有50％以上的重癥患者可能會使用到機械通氣，而機械通氣的呼吸機的參數調整與撤機時機的選擇對臨床醫生的經驗要求較高。WeanDoc可以在呼吸機使用初期，選擇合適的模式，設置參數提供合理的呼吸支持去維持和改善病人的呼吸與生理情況，給治療原發疾病延長寶貴的治療時間。針對不同的病人，采用不同的方案設置潮氣量（VT），呼氣末正壓（PEEP），吸入氧濃度（FiO2），以及呼吸頻率（RR）。當病人病情得到好轉，指導醫生適當時候合理減少呼吸支持，讓病人逐漸恢復自主呼吸，縮短使用時間，減少對呼吸機的依賴，提高疾病預后。
WeanDoc監控下的患者各項指標均受到系統不間斷的看護，其感染風險、病人痛苦、醫療費用、呼吸機的使用時間均有顯著的減少，而醫生在WeanDoc的協助下也可減少失誤，即便是發生參數設置方向的失誤，也可即時糾正錯誤，避免嚴重影響，同時，這意味這醫護經驗較少的呼吸治療師獲得了一位24小時陪伴的老師，醫院的人才缺口也會相應減少。
合作方是成功的關鍵因素之一
為了解脈興醫療ICU預警產品的實際情況，動脈網記者來到了協和醫院內科ICU（MICU），該項目是協和醫院內科ICU主任杜斌教授牽頭與脈興醫療合作的，杜斌教授是亞太危重病醫學協會（APACCM）主席，同時也是中國醫師協會重癥醫學醫師分會會長，在ICU行業內具有非常高的地位。
作為脈興醫療的合作方，協和醫院內科ICU副主任翁授談到了如今數據庫的痛點：“就數據而言，北京每個醫院都有自己龐大的數據庫，但其中很多數據庫的數據是不完善、不規范的，是難以導出來進行臨床研究的，所以我們要做的首先是要做一個標準數據庫，但只是談標準化是不行的，需要先有人來試水。”
脈興醫療與協和一同建立了ICU科研大數據平臺，能夠讓ICU的醫生實現自主使用ICU臨床數據，進行相關科研研究。目前脈興的科研平臺已經在北京多家醫院陸續部署，演示版在８月３１日在脈興官網的案例展示中正式上線，希望有更多的ICU科室加入進來一同參與標準的制定與維護。翁利副教授會在今年9月8日的中國危重病醫學大會上進行題為《ICU 專科數據庫的建立》的專題報告。
協和醫院在ICU方面非常注重數據的標準化，其數據結構完整、規范，能輕松導出以供算法進行學習，無需企業再花時間對數據進行處理，這是非常可貴的，因為有些數據由于某些指標的缺失，即便用心修復也無法得到目標的效果。
“協和醫院MICU能提供的病例不算多，總共2000多份患者的完整數據。但ICU數據不同于常規的醫療數據，以心率為例，我們5秒記錄一次數據，一天就有近17280次數據。如果從整個時間線來看，每個患者檔案中存在的數據的量非常大，足以用于算法學習。此外，我們將算法訓練好后，不僅僅用于自己數據庫的測試，也會拿其他醫院進行驗證，這樣下來我們便能即時發現錯誤，并對算法進行調整”
所以，協和醫院這一合作對象為脈興向醫療AI頭部企業進軍打下良好基礎。
可植入是進入醫院關鍵
著眼于醫療信息化的企業眾多，但使用AI輔助檢測的卻寥寥無幾。然而有AI賦能并不能成為醫院選擇AI企業的理由，一般大型的信息化公司都為醫院打造了包含HIS、PACS、RIS，CDSS等成套的信息化系統，醫院一旦選擇了這一解決方案，沒有理由再去為單一的AI賦能的CDSS系統買單。
脈興醫療顯然明白醫院信息化的需求與問題所在，這一套集成科研平臺＋AI臨床應用的系統可通過與醫療信息化企業合作，接入信息化企業的數據接口進行臨床應用。
核心在于下放基層
相對于群星云集的三甲醫院，基層醫院對這一ICU預警系統的需求更大。受制于資源分配的限制，基層醫院缺乏相應的人才，相應的醫療事故更為頻發；另一方面，醫院的規模也限制了醫療人才的流入，這是一個惡性循環的過程。
頻發的事故降低了基層醫院的聲望，加劇了居民涌向三甲醫院的動機，這實際上是不利于分層診療政策的實施的。脈興醫療這一預警系統不僅能夠降低基層醫院的事故發生率，提高基層醫療在居民心中的印象，還能不斷的給醫生護士提出錯誤的關鍵，頻繁的糾錯可以讓醫生和護士的醫療水平得到實質的提升。
一直以來，醫生都是醫院的核心，醫生的一舉一動關乎醫院的聲譽、發展；當AI作為醫生工作的一部分，可以一定程度上降低基層醫院和三甲醫院的技術差距，這對于基層醫療的發展有一個長遠的推進作用。
未來可期
死亡預警系統只是脈興醫療的第一步，更重要的是在通過不斷的機器學習下，我們不僅僅可以給醫生提供警告，還能給出相應的決策。翁利副主任告訴動脈網記者：“這個系統能夠幫我們即時糾正錯誤，但當錯誤發生時后我們應該怎么做，這是不可預測的，醫生們只能根據自己的經驗對設備的相關參數進行調整，而不能保證這樣調整以后能對患者有積極的影響——這正是我們想要研究的。通過AI對數據庫的不斷分析，我們或許可以找出其中的規律，并作出最有利于患者的決策，但這需要很大的一個數據庫，我們也希望有更多的醫院與醫生加入我們一起建立行業數據標準，推動ICU行業智能化的發展。”
至今為止仍沒有一個具有說服力的標準來對數據庫進行評價，但我們不能等到官方標準制定再作出決斷，先行一步絕無壞處。在接下來，脈興醫療將更加深入地與醫院端合作，從醫生與患者角度出發，幫助醫生研究，完善現有系統的交互設計，給予醫生更好的體驗，為患者提供更有保障的ICU服務。
另一方面，脈興醫療也將協助醫生挖掘ICU各指標變動對患者的長期影響，探尋病人病情惡化時的精準解決方案，將ICU變得更加智慧。