在之前的文章中，我们曾经报道过，斯坦福大学于今年年初开发出了一款AI算法，可以预测住院的病人何时去世。而这一技术在最近又得到了进一步的飞跃：近日，谷歌AI团队的研究人员使用AI算法，能够成功预测出患者在住院治疗后的24小时后是否面临死亡的风险，而预测结果的准确率达到了惊人的95%！这项研究的结果已经发表在了《自然》子刊《npj Digital Medicine》上。
在这项研究中，研究人员利用神经网络及大量患者生命体征和病史等相关数据，来对入院患者的死亡风险进行预测。这种新算法将每个病人记录的先前事件综合排列到一个时间轴中，从而让深度学习模型能够对死亡时间等未来的结果进行预测。这个神经网络记录的数据类型非常广泛，甚至包括了手写笔记、评论和旧图表上的涂鸦，以进行更加全面和完善的预测。在整个研究中，研究人员分析了超过21万例住院病例，以及约11万名患者的电子健康记录（Electronic Health Records，EHR）中超过460亿个数据点。
▲AI算法预测过程示意图（图片来源：《npj Digital Medicine》）
在其中一个主要案例研究中，谷歌的研究人员将这个算法应用于一位患有转移性
乳腺癌的患者身上。根据医生
诊断和放射图像结果，医院给出该患者住院期间的死亡几率为9.3%。而谷歌的算法在分析了该名患者电子健康记录中的17.5万个数据点之后得出，这名患者的死亡概率为19.9%。事实上，这位乳腺癌患者在入院不到两周的时间内，因病情过重而不幸去世。这一结果侧面验证了这个新算法的准确性。
研究人员表示，和之前其他研究相比，这项研究能够让机器独立对数据进行解析，同时也可以对以前无法获得的数据进行筛选，包括PDF文档中的数据及旧笔记和图表中记录的信息等。神经网络可以将这些数据纳入分析范围，同时比现有技术更迅速和更准确地对结果进行预测，甚至还可以呈现有哪些数据和医疗记录导致了最终的结论。
谷歌AI部门的负责人Jeff Dean博士表示，研究人员的下一步工作方向是将这一研究应用于实际
诊断之中。为此，谷歌的健康研究部门正在开发一系列AI工具，能够对疾病和相应的症状进行准确预测。同时，这一研究还有望让医生不再需要花费大量时间，将患者的各种健康数据整合成标准化的格式。这样一来，医生就可以和患者进行更多的互动和交流，从而根据患者的实际情况来调整治疗计划，还可以及时发现治疗中的紧急情况并采取相应的急救措施。
来源：药明康德AI
版权声明：
本网站所有注明“来源：梅斯医学”或“来源：MedSci原创”的文字、图片和音视频资料，版权均属于梅斯医学所有，非经授权，任何媒体、网站或个人不得转载，授权转载时须注明“来源：梅斯医学”。本网所有转载文章系出于传递更多信息之目的，且明确注明来源和作者，不希望被转载的媒体或个人可与我们联系，我们将立即进行删除处理。同时转载内容不代表本站立场。
在此留言
0
