谷歌人工智能非常擅長(zhǎng)預(yù)測(cè)病人何時(shí)死亡

在接受了460億位患者電子健康數(shù)據(jù)的培訓(xùn)后，谷歌的人工智能現(xiàn)在在預(yù)測(cè)患者健康結(jié)果方面顯示出了希望。

谷歌(GoogleBrain)和斯坦福大學(xué)(StanfordUniversity)的研究人員最近在“自然”(Nature)雜志上發(fā)表了一篇論文，詳細(xì)闡述了他們利用大數(shù)據(jù)和深度學(xué)習(xí)方法

研究人員使用這些算法來(lái)預(yù)測(cè)重要的結(jié)果，如死亡；重新入院以衡量護(hù)理質(zhì)量；病人住院時(shí)間以衡量資源利用情況；預(yù)測(cè)病人的診斷，以了解臨床醫(yī)生如何理解病人的問(wèn)題。

研究小組采用了一種不同的方法來(lái)建立預(yù)測(cè)統(tǒng)計(jì)模型，方法是考慮包括臨床記錄在內(nèi)的所有患者健康記錄的“代表性”，而不是從分析中刪除大部分患者的信息。

如前所述，創(chuàng)建分析模型的80%的工作是清理數(shù)據(jù)，因此它可以提供一種方法來(lái)擴(kuò)展預(yù)測(cè)模型，前提是數(shù)據(jù)是可供挖掘的。

他們還開(kāi)發(fā)了一種向臨床醫(yī)生展示其模型"看了"對(duì)每個(gè)患者預(yù)測(cè)結(jié)局的方法。

這項(xiàng)技術(shù)將允許臨床醫(yī)生檢查預(yù)測(cè)是否基于可信的事實(shí)，并解決所謂的“黑匣子”方法的擔(dān)憂，這些方法無(wú)法解釋為什么做出預(yù)測(cè)。

谷歌去年開(kāi)始與加州大學(xué)舊金山分校(UC San Francisco)、芝加哥醫(yī)學(xué)大學(xué)(University Of Chicago Medicine)和斯坦福醫(yī)學(xué)(Stanford Medicine)合作開(kāi)展該項(xiàng)目，這讓他們能夠獲得大量未經(jīng)識(shí)別的醫(yī)療記錄，以驗(yàn)證那里的深度學(xué)習(xí)模式。

總共有216221名成人患者接受了健康記錄，他們住院24小時(shí)或以上，產(chǎn)生了超過(guò)46億的數(shù)據(jù)點(diǎn)。

"我們證明使用這種表示的深度學(xué)習(xí)方法能夠準(zhǔn)確地預(yù)測(cè)來(lái)自多個(gè)中心的多個(gè)醫(yī)學(xué)事件而沒(méi)有特定于位點(diǎn)的數(shù)據(jù)協(xié)調(diào),"研究人員注意到。

正如彭博社（Bloomberg）報(bào)道的那樣，醫(yī)學(xué)專家對(duì)谷歌從PDF上的注釋中挖掘數(shù)據(jù)或在舊圖表上手寫(xiě)注釋的能力印象深刻，這些數(shù)據(jù)以前很難納入預(yù)測(cè)模型。谷歌的系統(tǒng)比以前的技術(shù)更快更準(zhǔn)確。

這項(xiàng)研究在谷歌創(chuàng)造了興奮，因?yàn)樗梢詾槔麧?rùn)豐厚的醫(yī)療保健市場(chǎng)開(kāi)辟一扇新的大門(mén)，在那里它有朝一日可以將AI-AS-A服務(wù)銷售給時(shí)間受限的臨床醫(yī)生。

研究表明，與傳統(tǒng)方法相比，谷歌的模型能更好地預(yù)測(cè)患者的一系列結(jié)果和指標(biāo)。

例如，在住院死亡率方面，它的滿分為1.0分，而傳統(tǒng)方法為0.86分。

在一篇博文中，谷歌淡化了人工智能將取代人類臨床醫(yī)生在診斷病人中的作用的想法。

研究人員指出：“我們強(qiáng)調(diào)的是，這個(gè)模型并不是診斷病人--它能接收到病人的信號(hào)、他們的治療方法以及他們的臨床醫(yī)生寫(xiě)的筆記，所以這個(gè)模型更像是一個(gè)好的傾聽(tīng)者，而不是一個(gè)診斷大師。”