西奈山伊坎医学院的研究团队近日开发出一款名为NutriSight™的人工智能工具，能够帮助预测使用呼吸机的危重患者是否面临营养不足的风险，从而支持临床医生及时调整营养方案。相关研究已于12月17日在线发表于《自然通讯》期刊。

研究指出，患者使用呼吸机后的第一周是提供适当营养支持的关键窗口期，此时患者需求变化迅速。该研究的共同资深作者、医学与人工智能副教授安基特·萨库贾博士表示：“重症监护室(ICU)中太多使用呼吸机的患者在关键的第一周没有获得所需的营养。他们的需求变化很快，很容易被忽视。我们希望探索一种简单及时的方法来识别哪些人最有可能营养不良，以便临床医生能够更早地进行干预。”

NutriSight™人工智能工具通过分析重症监护室常规数据，如生命体征、实验室结果、用药及喂养记录，预测患者在呼吸机支持的第3至7天内出现营养不足的可能性。该模型基于来自欧美的大型匿名ICU数据集进行训练与验证，并可每四小时依据患者状况更新预测。

研究数据显示，营养不良在ICU早期较为常见。到第三天，约41%至53%的患者存在营养不足;至第七天，该比例仍维持在25%至35%。该模型具备动态与可解释性，能显示血压、血钠水平或镇静状态等常规因素如何影响喂养不足风险。

研究共同资深作者、西奈山伊坎医学院人工智能与人类健康系主任吉里什·N·纳德卡尼博士指出：“我们研究结果的意义在于，它首次有可能识别出哪些患者在重症监护室早期就有营养不足的风险，并根据他们的个人需求量身定制护理。这标志着在为临床医生提供更好的信息以做出营养决策方面迈出了重要一步。”

研究人员强调，该AI预测工具并非旨在替代临床判断，而是作为早期预警系统，辅助指导及时的营养干预。团队下一步计划开展前瞻性多中心试验，验证依据该预测采取干预措施是否确实能改善患者结局，同时探索将预测结果审慎整合至电子健康记录系统，并将预测范围扩展至更广泛的个性化营养目标。这项研究为通过人工智能工具实现重症患者精准营养管理提供了新的技术路径。

更多信息：作者：Mateen Jangda 等人，标题 ：《NutriSighT：用于动态预测机械通气患者肠内营养不足的可解释 Transformer 模型》，发表于：《自然通讯》(2025)。期刊信息： 《自然通讯》