医学26年：AI辅助透析方案调整 查房课件

202X演讲人2026-05-021临床背景与现状梳理临床背景与现状梳理01AI辅助透析方案调整的核心逻辑与临床实践02临床应用的核心原则与局限性03目录医学26年：AI辅助透析方案调整查房课件各位同事、规培、进修的同道，今天我们进行维持性血液透析亚专业的教学查房，我从医26年，一直扎根透析临床，亲眼看着我国透析行业从“能保命就是达标”走到今天“追求长期高质量生存”，这两年AI技术进入透析领域，我们中心也已经临床应用近14个月，今天就结合我自己的临床经验和实践案例，和大家全面梳理AI辅助透析方案调整的相关内容。接下来我将从临床背景梳理、临床应用实践、应用注意事项三个部分展开讲解。01PARTONE临床背景与现状梳理1维持性血液透析的临床需求变迁我1997年刚参加工作的时候，我们整个科室只有5台透析机，全中心维持性透析患者只有37例，那时候绝大多数患者的诉求就是“能坚持透析活下去”，我们调整方案的核心也只是保证每次透析能顺利完成，不出严重意外。而26年后的今天，我们中心维持性透析患者已经达到296例，透析机增加到21台，疾病谱也发生了巨大变化：糖尿病肾病、高血压肾损害占比超过60%，老年透析患者占比达到52%，合并3种以上慢性并发症的患者超过70%。1维持性血液透析的临床需求变迁1.1治疗目标从“生存延续”转向“预后改善”现在患者来透析，问得最多的已经不是“我还能活多久”，而是“我能不能正常带孙子、能不能出去旅游”，临床治疗目标也从单纯延长生存，转向降低心脑血管并发症、提高生活质量、延长长期生存时间，这对方案调整的精准性提出了极高要求。1维持性血液透析的临床需求变迁1.2方案个体化需求大幅提升不同于早年多数患者没有严重合并症，现在每个透析患者的容量状态、合并症、耐受度都存在巨大差异，标准化千篇一律的透析处方已经完全不能满足临床需求，个体化方案调整已经成为提升透析质量的核心。2传统人工方案调整的核心痛点这么多年靠人工调整方案，我自己也深有体会，传统模式存在三个难以解决的痛点。2传统人工方案调整的核心痛点2.1医师经验异质性非常显著我刚入行的时候，跟着主任学调方案，同样一个容量负荷高的病人，我调的处方经常出现要么透中低血压抽筋，要么容量降不下来血压降不下去，和主任调的方案效果差很多。现在我带年轻大夫，也能明显看到，低年资医师调整方案的合格率只有不到60%，高年资医师能到85%以上，经验的差异直接影响患者预后，这个问题在分级诊疗体系下尤其突出，基层单位很难有足够多的高年资透析医师。2传统人工方案调整的核心痛点2.2全维度临床数据利用不足一个规律透析的患者，每个月会产生近百项数据：透前透后体重、血压、每次超滤量、每月生化指标、钙磷PTH、透析充分性、合并用药情况、并发症发作记录，这么多数据，人工只能记住最近一两次的结果，很难把半年甚至一年的数据整合起来分析，更别说从中发现潜在的趋势变化，很多问题都要等到出现明显症状才会发现，错过了最佳调整时机。2传统人工方案调整的核心痛点2.3方案调整存在普遍滞后性我印象特别深，10年前我管过一个52岁的透析患者，透龄4年，连续3个月透后收缩压都在150mmHg以上，我只当是高血压加药，没联想到是干体重设定偏高，后来突发急性左心衰住院，调整干体重之后血压很快就正常了，不用再加那么多降压药。这个病例给我印象特别深，传统模式下我们都是“出现问题再调整”，很难做到提前预判干预。3AI应用于透析方案调整的临床契机正是因为传统人工调整模式存在这些难以解决的痛点，近年来基于大样本多中心透析数据训练的AI辅助系统应运而生，正好契合了当前透析精准化管理的需求。我们中心2022年10月引入国内研发的AI辅助透析管理系统，截至目前已经辅助调整了超过1100例次透析方案，整体体验很好，接下来我就结合我们的实践具体讲解。02PARTONEAI辅助透析方案调整的核心逻辑与临床实践AI辅助透析方案调整的核心逻辑与临床实践刚才我们梳理了当前透析方案调整的临床需求和传统模式的痛点，接下来我们具体讲AI辅助调整的逻辑和实际应用场景。1AI辅助系统的核心运行逻辑很多同道觉得AI是黑箱，其实我们目前用的临床级AI辅助系统，逻辑非常清晰，完全符合临床诊疗思维。1AI辅助系统的核心运行逻辑1.1输入层：整合多维度全周期临床数据AI系统会自动调取患者从开始透析到当前的所有数据，包括：每次透析的透前体重、透前血压、透后体重、透后血压、超滤量、透析参数，每月的生化、钙磷PTH、血红蛋白，合并症、用药情况、并发症发作史，甚至血管通路类型、血流量这些细节都会全部整合，不需要人工手动整理，几秒钟就能完成全维度数据汇总，这是人工根本做不到的。1AI辅助系统的核心运行逻辑1.2模型层：基于循证终点的个体化预测拟合我们用的这个系统是基于国内18家三甲透析中心的120万例次透析数据训练的，训练的时候就绑定了患者的预后终点，比如调整干体重后容量达标率、血压控制率、透中低血压发生率，模型会根据当前患者的所有数据，拟合出最适合这个患者的调整方向，预测不同调整方案带来的预后变化，不是凭经验拍板，是基于大样本数据的概率最优解。1AI辅助系统的核心运行逻辑1.3输出层：可解释的分层调整建议AI不会直接给你一个强制方案，它会给出分层建议，每一条建议都会标注对应的依据：比如“基于患者连续4周透后收缩压＞140mmHg，透后体重较干体重平均高0.8kg，提示干体重设定偏高，建议分4周逐步下调，每次下调0.2kg，同时调整透析液钠浓度从138mmol/L至136mmol/L，依据为XX指南，该方案可降低透后血压10-15mmHg，透中低血压发生风险低于5%”，完全可解释，符合临床思维。2核心临床应用场景结合我们近一年的实践，AI在四个核心场景的应用价值最突出。2核心临床应用场景2.1干体重的动态精准调整干体重是透析方案的核心，干体重不准，所有调整都是错的，传统干体重评估靠临床经验结合影像学，误差普遍在0.5-1kg，AI可以把误差控制到0.2kg以内。我上个月刚管过一个68岁的糖尿病肾病透析患者，透龄5年，原来干体重设定为58kg，每次涨水3kg左右，透后血压长期150/90mmHg，患者一直说透后浑身乏力，我们之前两次尝试直接降0.5kg，患者都出现了严重透中低血压和腿抽筋，不敢再降了。后来用AI系统评估，系统提示患者实际干体重为57.2kg，建议分四周逐步下调，每周降0.2kg，同时搭配透析液钠浓度从138mmol/L降到136mmol/L，我们按照这个方案调整，四周之后患者透后血压稳定在130/80mmHg，没有再发生抽筋，乏力症状也明显缓解，这个案例让我当时非常震撼，传统经验很难做到这么精准的分步调整。2核心临床应用场景2.2透析参数的个体化优化除了干体重，透析的其他参数比如超滤曲线、钠曲线、透析液钙浓度、透析时长，AI都能给出个体化建议，主要用于两个方向：2核心临床应用场景2.2.1容量相关并发症的预控AI会连续监测患者透前体重增长、透后血压变化，如果发现连续3次透前涨水超过干体重的5%，就会提前提示容量负荷过高风险，建议调整宣教方案，同时优化超滤模式，避免心衰发生，我们中心这一年容量负荷过高导致的急诊住院率下降了40%多，效果非常明显。2核心临床应用场景2.2.2透中不良事件的预防透中低血压是最常见的不良事件，大概10%-15%的透析患者会反复发生，传统调整就是停超滤、推高糖，很难从处方层面解决。我们有个32岁的年轻透析患者，透龄3年，因为慢性肾小球肾炎起病，每次透到第3小时就会出现血压下降，最低降到80/50mmHg，试过很多方法都不行，AI评估后建议改成前高后低的阶梯超滤联合梯度钠曲线，调整之后，患者透中低血压的发生次数从原来的每周3次降到了每个月不到1次，完全不影响正常透析。2核心临床应用场景2.3钙磷代谢紊乱的长期管理钙磷代谢紊乱是影响透析患者长期预后的核心并发症，传统调整模式就是“高磷加药，不行加灌流”，很多时候调整不精准，达标率很低。我之前管过一个45岁的患者，透龄8年，血钙2.52mmol/L，血磷2.1mmol/L，全段甲状旁腺素380pg/ml，调了半年都没达标，我一直用碳酸钙餐中嚼服，剂量已经加到最大了，还是降不下来。后来用AI评估，系统建议把碳酸钙换成碳酸镧，血液灌流频率从每月1次改成每两周1次，同时把透析液钙浓度从1.5mmol/L改成1.25mmol/L，我们按照方案调整了三个月，现在血钙2.38mmol/L，血磷1.6mmol/L，PTH260pg/ml，完全达标，我之前一直没敢调整灌流频率，AI的提示给了我明确的方向。2核心临床应用场景2.4透析充分性的持续优化透析充分性不达标（Kt/V＜1.2）是常见问题，传统方法就是延长透析时间，很少找背后的原因，AI会逐个分析原因：是血流量不够？还是干体重不准？还是经常提前下机？我们有个72岁的冠心病患者，Kt/V一直维持在1.1左右，不达标，原来我们想让他延长透析时间到4.5小时，患者不愿意，AI分析发现患者因为每次透后半程掉压，每次都提前10分钟下机，建议调整超滤模式后，患者不用提前下机，Kt/V升到了1.3，达标了，患者也不用延长透析时间，非常满意。3AI辅助方案调整的临床获益我们中心统计了过去一年应用AI辅助调整方案的数据，总结下来有三个明确的获益：3AI辅助方案调整的临床获益3.1缩小不同年资医师的方案差异应用AI之后，低年资医师调整方案的合格率从原来的58%升到了82%，和高年资医师的差异从27%缩小到了6%，对年轻医师的成长帮助非常大，原来要五六年才能熟练掌握方案调整，现在一两年就能达到不错的水平。3AI辅助方案调整的临床获益3.2大幅提升临床工作效率原来一个病人调整方案，年轻大夫要翻十几页病历，整理数据，至少要十几分钟，AI几秒钟就能给出整理好的数据和建议，现在我们查房调整方案的时间节省了一半多，能留出更多时间和患者沟通。3AI辅助方案调整的临床获益3.3明确改善患者中期预后我们统计显示，应用AI辅助之后，我们中心容量负荷过重的发生率从28%降到了15%，钙磷代谢达标率从52%升到了68%，透中低血压发生率从12%降到了7%，因容量相关并发症的住院率下降了42%，获益非常明确。03PARTONE临床应用的核心原则与局限性临床应用的核心原则与局限性我们肯定AI的应用价值，但也必须清晰认识到，AI只是临床辅助工具，不能代替医师的临床判断，接下来我讲一下应用中的核心原则和当前AI的局限性。1坚持AI为辅助，临床判断为核心这个是最核心的原则，任何时候都不能丢。1坚持AI为辅助，临床判断为核心1.1特殊人群必须进行方案校正AI的训练数据多数来自稳定透析的普通患者，对于特殊人群比如妊娠透析、急性感染恢复期、围手术期透析、严重心衰急性期的患者，AI的数据积累少，给出的建议不一定适合，必须结合临床判断校正。我上个月就遇到一个急性重症肺炎恢复期的透析患者，AI给出的干体重建议比我临床评估高1kg，我结合患者当时的容量状态，还是按照我的评估下调了干体重，避免了心衰发生，所以特殊情况一定要以临床判断为准。1坚持AI为辅助，临床判断为核心1.2必须结合患者的意愿与耐受度AI给出的是最优的医学方案，但还要考虑患者的耐受和意愿，比如有个78岁的老太太，AI建议降干体重0.8kg，老太太之前抽过筋，非常抗拒，我们就每周降0.1kg，花了三个月才降到目标体重，患者也能接受，不能为了达标强迫患者，要兼顾患者的感受。2保障数据质量是AI输出准确的基础AI是“垃圾进垃圾出”，数据不准，出来的建议肯定错。2保障数据质量是AI输出准确的基础2.1基础数据必须规范录入我们要求患者每次透前必须排空大小便、脱鞋量体重，体重误差不能超过0.1kg，血压要静息5分钟再测，这些基础数据错了，AI的建议肯定错，这个是我们每天都要强调的基本功。2保障数据质量是AI输出准确的基础2.2合并症与用药信息必须完整更新患者新得了冠心病、调整了降压药、加了降糖药，都要及时录入系统，AI才能整合这些信息给出合适的建议，如果信息不全，AI就会漏考虑这些因素，给出错误的建议。3理性看待当前AI技术的局限性目前AI技术还在发展阶段，存在两个明确的局限性：3理性看待当前AI技术的局限性3.1罕见合并症与特殊状态的数据不足对于罕见病比如透析合并系统性淀粉样变、罕见遗传病，或者特殊状态比如透析合并恶性肿瘤化疗，这类病例数据少，AI很难给出准确的建议，还是要靠多学科会诊，依靠专科经验。3理性看待当前AI技术的局限性3.2长期预后的循证证据仍需积累AI应用于透析临床也就不到10年，国内大规模应用也就三四年，10年以上的长期预后数据还不够多，还需要我们继续积累自己中心的数据，不断验证和优化模型。总结今天我们从透析临床需求变迁、传统方案调整痛点、AI辅助调整的核心逻辑