[비즈한국] 兒童必需醫療的危機並不僅僅在於缺乏診療醫生。當孩子好不容易進入醫院並住院後，若病情突然惡化，能否及時發現並作出應對也至關重要。尤其是兒童病情惡化極快，因此在心臟驟停或需要重症監護室（PICU）治療之前，建立能夠發現危險訊號的院內安全網刻不容緩。
發揮這一作用的正是快速反應系統（RRS）。這是一種患者安全體系，即當普通病房的患者出現異常跡象時，快速反應小組能夠早期介入，防止病情惡化至重症。
然而，在韓國，成人與兒童的RRS構建水平存在巨大差距。目前，韓國47家上級綜合醫院雖都運營著成人RRS，但在擁有小兒重症監護室（PICU）的15家中心裡，運營兒童RRS的僅有7家。其中5家還集中在首爾，首爾以外地區僅有2家。
大韓小兒重症醫學會會長樸成鍾（首爾峨山醫院小兒重症醫學科教授）在本月19日於首爾驛三洞朝鮮酒店舉行的“兒童患者安全全球研討會（Global Patient Safety Summit in Pediatrics）”上表示：“兒童病情的急性惡化速度遠超成人，早期發現與快速介入對改善臨床程序和預後具有決定性作用，但目前兒童快速反應小組的引入與支援依然十分匱乏。”在海外，兒童RRS自20世紀90年代起便已開始運作，而韓國的發展程序慢於成人系統。
比起心臟驟停後的急救，惡化前的發現更為重要
RRS的核心不僅在於治療已經危重的患者，更在於提早發現危險訊號，為醫護人員爭取介入時間。
問題的難點在於，如何在病房裡的眾多孩子中找出病情正在惡化的患者。特別是兒童會根據年齡和發育階段，導致正常生命體徵範圍各不相同，因此篩選高危患者非常複雜。這也是為什麼在配備RRS人力資源的同時，建立判定針對哪些患者、何時投入快速反應小組的感知體系至關重要的原因。
加拿大多倫多大學教授Christopher Parshuram透過分析超過1.5萬名小兒重症患者的住院資料研究發現，在住院期間發生的心臟驟停病例中，約85%被認為是可以預防的。分析認為，透過強化病房監測體系，可以有效減少病情的嚴重惡化。
全球每10例膿毒症中有4例為5歲以下兒童…利用AI早期篩選高危患者
敗血症是體現早期發現困難的代表性疾病。敗血症是指因感染引發異常全身反應，導致器官功能受損的危重狀態。其難點在於，初期症狀與發熱等可自愈的病毒感染相似，難以識別危險患者。若病情惡化，可能導致休克或器官衰竭，因此持續觀察患者變化並進行早期介入非常重要。
尤其在兒童群體中，敗血症的負擔沉重。根據WHO（世界衛生組織）引用的GBD（全球疾病負擔研究），2017年全球估計發生約4890萬例敗血症，其中約1100萬人死於敗血症相關疾病。而在全部敗血症病例中，約41%（約2000萬例）發生在5歲以下的兒童身上。
海外正在將數字及AI技術應用於RRS。據美國匹茲堡大學教授Christopher Horvat介紹，匹茲堡兒童醫院構建了包含AI基礎高危患者篩選在內的綜合敗血症應對體系。AI透過分析生命體徵、檢查結果、護理記錄等48個變數來計算風險度，並將高危患者分類為重點觀察物件，向醫護人員傳送警報。這並不是由AI確診敗血症，而是篩選出需要醫護人員優先關注的患者，從而實現實際的醫療介入。
Horvat教授解釋稱，引入該綜合敗血症應對體系後，院內嚴重敗血症發生率降低了約50%，每年節省的醫療費用超過100萬美元。
超越心臟驟停預測，延伸至呼吸惡化…提前捕捉兒童危險訊號
韓國國內也在將AI應用於小兒RRS。目前在運營小兒RRS的機構中，首爾峨山醫院和Severance兒童醫院正在使用AI基礎心臟驟停預測醫療裝置“VUNO Med-DeepCARS”。
VUNO公司正在將技術拓展至捕捉比心臟驟停更早階段的重症惡化方向。據該公司稱，DeepCARS目前可用於包括兒童在內的全年齡段，且正在針對敗血症、呼吸衰竭等心臟驟停先兆疾病的後續預測模型進行臨床試驗。在敗血症領域，針對成人重症監護室患者的“VUNO Med-DeepiSEPS”已於今年5月獲得了醫療器械製造認證。
在兒科方面，針對早期發現呼吸惡化的研究也在進行中。繼開發出預測新生兒重症監護室患者是否有創機械通氣必要性的AI模型後，VUNO與梁山釜山大學醫院研究團隊今年在國際學術期刊《Heart & Lung》上發表了針對小兒重症監護室患者的後續研究結果。
據公司方面介紹，該兒童模型可提前最多8小時預測有創機械通氣的必要性，區分需要機械通氣患者的預測效能（AUROC）約為0.88。在相同靈敏度下，相比現有模型，警報次數減少了一半以上。減少因不必要警報重複導致醫護人員反應降低的“報警疲勞”，也是RRS的重要課題。
VUNO正與梁山釜山大學醫院參與韓國版ARPA-H（醫療保健高難度、挑戰型研發）專案，旨在開發實時預測成人及兒童患者重症化風險的模型。
然而，僅僅依靠AI快速識別高危患者並不能完全解決小兒必需醫療的問題。即便AI捕捉到了危險訊號，若缺乏確認病情、評估患者並將其轉化為實際治療的醫護人員和應對體系，其效果終究有限。
歸根結底，在小兒必需醫療領域，AI並非為了取代醫護人員，其首要作用是幫助有限的醫護力量不錯過當下最需要關注的孩子。關鍵在於，醫院內部能否構建出更加嚴密的安全網，以便更早發現危險訊號，讓醫護人員能夠迅速介入。