敗血症，以及敗血性休克，是急診醫學中不陌生的病症，對於這些病症的描述，也與時俱進。在2016年召開的敗血症與敗血性休克第三次國際共識會議（Sepsis-3）中，兩者獲得了睽違十餘年的重新定義。至於SSC（Surviving Sepsis Campaign）指引中，建議事項也是逐年更改。從上述說明，可看出我們對於此病症之看重，以及與時俱進的必要性。

治療敗血症的最佳單一解存在嗎？ 

這是個很好的問題！其實近來，已經有越來越多不同的聲音，如一些研究證據顯示敗血症異質性頗高，使得不同的亞表現型（sub-phenotype）病患，對於同樣的治療有著不同的反應。此外，個人化醫療概念的興起，探討是否有可能採取因人而異的療程，已是趨勢。而在這個大數據時代，要進行大量的數據處理分析，能勝任這份工作的非AI莫屬。經過數十餘年的發展，AI相關領域已趨於成熟，並分支出各有特色、不同性質的派別。經由AI的協助，即使面對再龐大的資訊，也能井然有序地做出分群、推演、分析預測等事項。以下便來介紹幾份運用AI的方式，來檢視治療敗血症所使用相關療程的研究發現。

因此我們看到了… 

第一份在2020年刊登在Science Report的回溯性研究，主要聚焦在輸液的策略選擇。研究者使用eICU資料庫中，透過sepsis-2［*］的定義篩選出的敗血症病患作為研究對象。分析工具則奠基於AI演算法中的加強式學習法，這是一種讓機器建立迴圈，讓輸入值與環境值進行循環回饋的互動，以期產出一個最大化累積報酬回應的演算法。由於其演算過程較為隱晦，難以描述處理過程，故這份研究以此方法做為發想，簡化成基於迴歸分析的DTR（Dynamic treatment regimen）模型，能夠協助醫師更清楚決策如何形成。具體操作方法為使用blip function，將選定的諸多生理參數代入計算求得propensity score，並以backward induction的方式依序回推最佳處置。

DTR模型在此研究中，在以每日每公斤40cc為分界定義出liberal與restricted的輸液量後，被用來檢視在敗血症病患接受治療的第一個禮拜中，於分成三階段的第一、三、五天接受的實際輸液量，與模型本身計算出來的理想輸液量做比較，實際處置是否遵從推算建議，以病患的存活時間來做效果評估。經過上述流程，綜合觀察病患輸液量的差異趨勢， 最終作出了病患普遍接受了不適當輸液策略，且此情形有隨著治療階段推進而提升的結論。然而，由於本篇回溯研究是以”反事實”(counterfactual)的方式推論出的輸液策略效果，因此仍需前瞻性研究來做有效的驗證。

附表、病患接受輸液量之實際處置與理想應接受處置的對比人數分布，可看見有不小比例的病患接受不適當的輸液策略

第二篇在2021年刊登在Critical Care的回溯性研究的脈絡大致與前面相同，而研究對象換成敗血性休克患者。研究人員一樣將注意力放在使用不同的治療策略，會對病患的存活情形有何影響。除了同樣使用DTR模型外，由於一開始即認定敗血性休克存在不同子分類，因此在使用DTR模型前，先以finite mixture modeling （FMM）及k-means clustering analysis做了分群的動作，此兩者皆是針對一群資料給出分群結果。最後分出來的五種類別患者，以DTR模型分別計算不同階段的最佳治療量，並以病患存活率為出發，與真實接受的治療情形，包含輸液量與升壓劑，來進行比較。結果發現，若要使不同類別病患的存活表現變好，使用的治療就要對應的作出變動。例如輸液的部分，雖然大方向是輸液量的增加與死亡風險呈現正相關，但不同子分類的接受量各有差異。而升壓劑的劑量給予，在不同分群病患的不同階段，其理想接受量同樣有所差異。隨後分析危險因子，也得到不同分群各有不同的因子影響療程結果，支持初始病症具有子分類的想法。

是故，真相即將揭露？

看完了這兩篇研究，相信各位多多少少能感受到這種做法的神奇之處。但若根據此兩篇研究即下定論，可能還言之過早。我們要思考的是，其中是否有可改進之處，或甚至存在錯誤需要被修正。此處以第一篇研究為例：將存活時間作為效果分析的目標是否力道有些不足，比起延長存活時間，我們應該會更關心較有臨床意義的最終存活率；而治療與存活情形的因果關係，也需再釐清與確認，其本身是因大量輸液導致治療結果不佳，亦或是由於病情推進而不得已選擇大量輸液。推至更普遍的層面，這些被選擇拿來計算的因子，以及模型的建立，其適當性和合理性也得仔細評估，像是蒐集資料的時間間隔長短，以天為單位能不能夠有動態的呈現等。

說了這麼多，其實還是希望，也期待相關研究的產量能夠提升，畢竟這股持續成長，看似潛力無限的AI熱，仍有諸多探索空間，等待你我的發掘。

［*］：依照此篇文章在定義敗血症時的各種敘述，合理懷疑原作者誤植為sepsis-2，實際上應為sepsis-1較為正確。由此或許能衍生出另一個疑問，既然想使用最新方法來進行檢視，為什麼採用較舊的定義?