近日，谷歌AI團隊的研究人員使用AI算法，能夠成功預測出患者在住院治療後的24小時後是否面臨死亡的風險，而
預測結果的準確率達到了驚人的95%！這項研究的結果已經發表在了《自然》子刊《npj Digital Medicine》上。
在這項研究中，研究人員利用神經網絡及大量患者生命體徵和病史等相關數據，來對入院患者的死亡風險進行預測。這種新算法將每個病人記錄的先前事件綜合排列到一個時間軸中，從而讓深度學習模型能夠對死亡時間等未來的結果進行預測。這個神經網絡記錄的數據類型非常廣泛，甚至包括了手寫筆記、評論和舊圖表上的塗鴉，以進行更加全面和完善的預測。在整個研究中，研究人員分析了超過21萬例住院病例，以及約11萬名患者的電子健康記錄（Electronic Health Records，EHR）中超過460億個數據點。
AI算法預測過程示意圖（圖片來源：《npj Digital Medicine》）
在其中一個主要案例研究中，谷歌的研究人員將這個算法應用於一位患有轉移性乳腺癌的患者身上。根據醫生診斷和放射圖像結果，醫院給出該患者住院期間的死亡幾率為9.3%。而谷歌的算法在分析了該名患者電子健康記錄中的17.5萬個數據點之後得出，這名患者的死亡概率為19.9%。事實上，這位乳腺癌患者在入院不到兩週的時間內，因病情過重而不幸去世。這一結果側面驗證了這個新算法的準確性。
研究人員表示，和之前其他研究相比，這項研究能夠讓機器獨立對數據進行解析，同時也可以對以前無法獲得的數據進行篩選，包括PDF文檔中的數據及舊筆記和圖表中記錄的信息等。神經網絡可以將這些數據納入分析範圍，同時比現有技術更迅速和更準確地對結果進行預測，甚至還可以呈現有哪些數據和醫療記錄導致了最終的結論。
谷歌AI部門的負責人Jeff Dean博士（圖片來源：LinkedIn）
谷歌AI部門的負責人Jeff Dean博士表示，研究人員的下一步工作方向是將這一研究應用於實際診斷之中。為此，谷歌的健康研究部門正在開發一系列AI工具，能夠對疾病和相應的症狀進行準確預測。同時，這一研究還有望讓醫生不再需要花費大量時間，將患者的各種健康數據整合成標準化的格式。這樣一來，醫生就可以和患者進行更多的互動和交流，從而根據患者的實際情況來調整治療計劃，還可以及時發現治療中的緊急情況並採取相應的急救措施。
[1] Scalable and accurate deep learning with electronic health records
[2] Google Is Training Machines to Predict When a Patient Will Die
[3] Google says its AI is better at predicting death than hospitals
[4] Google’s AI Can Predict When A Patient Will Die
閱讀更多 藥明康德 的文章
