美国每年住院的重症监护患者超过500万，约30%的患者无法活下来。早期诊断能够提高护理质量和效率，而效率的提高又可降低发病率和死亡率。此外，早期治疗还能缩短患者的住院时间，并把对患者的长期损害降到最小，因为长期损害在患者出院很长一段时间后仍可能对其造成影响。

随着AI技术在医疗领域的不断投入，利用AI来提供病人临床恶化的早期迹象对于医生或者创业公司来说也成为了一个重要的思路。

重症监护患者尤其容易出现肾和肝衰竭、心脏骤停、休克、器官功能衰竭和败血症等并发症问题，尽管重症监护室投入了大量资源，但上述情况还是会发生。以色列大数据医学调研公司Clew Medical就是其中一家公司，他们推出其AI预测分析平台，对重症监护环境中威胁生命的并发症的早期预测进行研究。

雷锋网了解到，Clew Medical于2014年在以色列成立，公司开发的系统对医院重症监护病房收集的医疗信息进行分析，对可能发生危及生命的现象提供早期预警，并为住院病人的护理决策过程提供支持。联合创始人Gal Salomon表示，在一家普通的医院，重症监护室通常是医院最小的部门，仅占约9%的床位，却占用了医院31%的预算。

简而言之，Clew的思路是使用实时数据和机器学习技术来提供病人临床恶化的早期迹象，然后将信息放置在一个易于阅读的界面中，其中一些数据每隔几毫秒就采集一次。

据雷锋网了解，此前，Clew在其相关性研究中所用的数据来自特拉维夫大学附属Sourasky医学中心以及美国数家医院在2007-2014年间收集的患者信息，其中前者约收集了8000名患者的信息。

上述匿名信息通过高级数学算法进行清理、过滤和分析，创建模型，对重症监护患者病情恶化和/或并发症进行早期预测。“借助准确预测临床病情的模型，医务人员能够提高医护水平，并根据每个患者的不同需求对症下药。”

Salomon说，“这种能力对重症监护室来说绝对是至关重要的。即使只是在可能发生并发症的数小时内趁早发现问题，也能把病人从死亡线上拉回来，并大大降低发病率，而发病率在患者出院很长一段时间后仍可能会影响患者的治疗效果。”

“如今，大多数可用的系统都可以通过人口健康模型或预先设定的基于规则的警报来提供基本的预测，”Gal Salomon表示，“Clew的平台能够使用大量的数据来生成针对患者的预测。而且，由于系统利用了先进的机器学习技术，我们的预测模型可以随着时间的推移而不断发展和完善。“

雷锋网了解到，Clew加入了一批在医疗和保健环境中使用AI的创业公司，其中包括使用AI从扫描中识别疾病的Zebra Medical Vision?和使用AI为癌症患者提供重要资源的Belong。除了识别风险最高的患者之外，系统还能识别患者预期的医疗结果的偏差，帮助确定患者的护理水平是否应该改变，并协助资源分配。

“我们最初的部署是针对一线医疗中心，”Salomon表示。“目前，我们在位于明尼苏达州罗彻斯特市的梅奥诊所，特拉维夫医疗中心（1500张病床，以色列最大的学术医疗中心）运行的概念系统已经得到验证，也在美国的几家医院里部署我们的系统。这一领域的规定是一个不断变化的目标，而且正在迅速发展。

那么Clew的下一步是什么？

“公司最初的重点是ICU的设置，但是，在高灵敏度的环境下证明了我们系统的有效性，Clew正在扩大它的产品范围，包括围手术期、ER部门、综合医院楼层等，”Salomon说。“系统也可以从病人的床边部署，实时同步到一个集中的临床指挥控制中心。”