cnBeta
谷歌的Medical Brain團隊現在正在對其人工智能（AI）進行培訓，以預測醫院患者的死亡風險 - 其早期結果顯示，其準確性略高於醫院自己的預警系統。
彭博社描述了Medical Brain團隊這項研究成果的醫療保健潛力，包括使用以前不可用的信息來實現其預測的能力。人工智能一旦提供這些數據，就可以預測死亡，出院和再入院的可能性。
谷歌團體5月份在《自然》雜誌上發表的一篇論文中提到了其預測算法：
這些模型在所有情況下均優於傳統的臨床使用的預測模型。我們相信這種方法可以用來為各種臨床情景創建準確和可擴展的預測。
在研究結果中的一項主要案例研究中，谷歌將其算法應用於一名轉移性乳腺癌患者。在她入院24小時後，谷歌人工智能預測其在醫院死亡的風險為19.9％，而醫院的早期預警評分的9.3的估計與此相反。不到2周後，這名患者因病情惡化死亡。
為了達到這個數字，谷歌人工智能從病人的電子病歷中收集了175,639個數據點，包括手寫筆記。根據論文中的描述，這是谷歌的這項研究和此前的深度學習方法之間的區別：
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中的所有數據，其中包括臨床自由文本筆記以及大量的結構化和半結構化數據。
在整個研究中，谷歌分析了216,221份住院病例，包括114,003名病人 - 以及所有電子病歷中超過460億個數據點。
這已經不是谷歌首次將人工智能應用於預測性醫療方面。今年早些時候，DeepMind與美國退伍軍人事務部合作，通過提供AI 700,000份醫療記錄，讓人工智能預測退伍軍人病情的致命變化。
該公司還正在開發用於臨床記錄的語音識別系統，這將消除醫生輸入它們的需要。負責研究的Steven Lin博士告訴CNBC：
這比我們原先想象的更復雜、更難解決。但是，如果解決了這個問題，它可能會使醫生從電子病歷中擺脫出來，讓醫療機構重新回到醫學的樂趣中：實際上與病人進行互動。
如果谷歌能夠順利兩者輸入數據的處理和改善其使用該數據的手段，它可以減少對醫療保健的人為錯誤。
該公司面臨的最大挑戰 - 這種情況下的數據由於安全原因而不可用。2016年，該公司面臨來自患者的強烈反應，當時該公司獲得了來自倫敦三家醫院的160萬名患者的數據（未經同意），以開發一款應用程序。
