據外媒thenextweb報道，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(yī)院患者的死亡風險-其早期結果顯示，ai準確性略高于醫(yī)院自己的預警系統(tǒng)。彭博社描述了medical brain團隊這項研究成果的醫(yī)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》雜志上發(fā)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(yōu)于傳統(tǒng)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(chuàng)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，谷歌將其算法應用于一名轉移性乳腺癌患者。在她入院24小時后，谷歌人工智能預測其在醫(yī)院死亡的風險為19.9%，而醫(yī)院的早期預警評分的9.3的估計與此相反。不到2周后，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(qū)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。
這已經不是谷歌將人工智能應用于預測性醫(yī)療方面。今年早些時候，deepmind與美國退伍軍人事務部合作，通過提供人工智能700,000份醫(yī)療記錄，讓其預測退伍軍人病情的致命變化。
該公司還正在開發(fā)用于臨床記錄的語音識別系，這將消除醫(yī)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(yī)生從電子病歷中擺脫出來，讓醫(yī)療機構重新回到醫(yī)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(yī)療保健的人為錯誤。
該公司面臨的大挑戰(zhàn)-這種情況下的數據由于安全原因而不可用。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(yī)院的160萬名患者的數據(未經同意)，以開發(fā)一款應用程序。
原標題：谷歌：ai在預測患者死亡風險方面優(yōu)于醫(yī)院預警系統(tǒng)