cnBeta
谷歌的Medical Brain团队现在正在对其人工智能（AI）进行培训，以预测医院患者的死亡风险 - 其早期结果显示，其准确性略高于医院自己的预警系统。
彭博社描述了Medical Brain团队这项研究成果的医疗保健潜力，包括使用以前不可用的信息来实现其预测的能力。人工智能一旦提供这些数据，就可以预测死亡，出院和再入院的可能性。
谷歌团体5月份在《自然》杂志上发表的一篇论文中提到了其预测算法：
这些模型在所有情况下均优于传统的临床使用的预测模型。我们相信这种方法可以用来为各种临床情景创建准确和可扩展的预测。
在研究结果中的一项主要案例研究中，谷歌将其算法应用于一名转移性乳腺癌患者。在她入院24小时后，谷歌人工智能预测其在医院死亡的风险为19.9％，而医院的早期预警评分的9.3的估计与此相反。不到2周后，这名患者因病情恶化死亡。
为了达到这个数字，谷歌人工智能从病人的电子病历中收集了175,639个数据点，包括手写笔记。根据论文中的描述，这是谷歌的这项研究和此前的深度学习方法之间的区别：
一般而言，此前的工作集中在EHR中可用功能的子集上，而不是EHR中的所有数据，其中包括临床自由文本笔记以及大量的结构化和半结构化数据。
在整个研究中，谷歌分析了216,221份住院病例，包括114,003名病人 - 以及所有电子病历中超过460亿个数据点。
这已经不是谷歌首次将人工智能应用于预测性医疗方面。今年早些时候，DeepMind与美国退伍军人事务部合作，通过提供AI 700,000份医疗记录，让人工智能预测退伍军人病情的致命变化。
该公司还正在开发用于临床记录的语音识别系统，这将消除医生输入它们的需要。负责研究的Steven Lin博士告诉CNBC：
这比我们原先想象的更复杂、更难解决。但是，如果解决了这个问题，它可能会使医生从电子病历中摆脱出来，让医疗机构重新回到医学的乐趣中：实际上与病人进行互动。
如果谷歌能够顺利两者输入数据的处理和改善其使用该数据的手段，它可以减少对医疗保健的人为错误。
该公司面临的最大挑战 - 这种情况下的数据由于安全原因而不可用。2016年，该公司面临来自患者的强烈反应，当时该公司获得了来自伦敦三家医院的160万名患者的数据（未经同意），以开发一款应用程序。
