谷歌人工智能非常擅长预测病人何时死亡

在接受了460亿位患者电子健康数据的培训后，谷歌的人工智能现在在预测患者健康结果方面显示出了希望。

谷歌(GoogleBrain)和斯坦福大学(StanfordUniversity)的研究人员最近在“自然”(Nature)杂志上发表了一篇论文，详细阐述了他们利用大数据和深度学习方法

研究人员使用这些算法来预测重要的结果，如死亡；重新入院以衡量护理质量；病人住院时间以衡量资源利用情况；预测病人的诊断，以了解临床医生如何理解病人的问题。

研究小组采用了一种不同的方法来建立预测统计模型，方法是考虑包括临床记录在内的所有患者健康记录的“代表性”，而不是从分析中删除大部分患者的信息。

如前所述，创建分析模型的80%的工作是清理数据，因此它可以提供一种方法来扩展预测模型，前提是数据是可供挖掘的。

他们还开发了一种向临床医生展示其模型"看了"对每个患者预测结局的方法。

这项技术将允许临床医生检查预测是否基于可信的事实，并解决所谓的“黑匣子”方法的担忧，这些方法无法解释为什么做出预测。

谷歌去年开始与加州大学旧金山分校(UC San Francisco)、芝加哥医学大学(University Of Chicago Medicine)和斯坦福医学(Stanford Medicine)合作开展该项目，这让他们能够获得大量未经识别的医疗记录，以验证那里的深度学习模式。

总共有216221名成人患者接受了健康记录，他们住院24小时或以上，产生了超过46亿的数据点。

"我们证明使用这种表示的深度学习方法能够准确地预测来自多个中心的多个医学事件而没有特定于位点的数据协调,"研究人员注意到。

正如彭博社（Bloomberg）报道的那样，医学专家对谷歌从PDF上的注释中挖掘数据或在旧图表上手写注释的能力印象深刻，这些数据以前很难纳入预测模型。谷歌的系统比以前的技术更快更准确。

这项研究在谷歌创造了兴奋，因为它可以为利润丰厚的医疗保健市场开辟一扇新的大门，在那里它有朝一日可以将AI-AS-A服务销售给时间受限的临床医生。

研究表明，与传统方法相比，谷歌的模型能更好地预测患者的一系列结果和指标。

例如，在住院死亡率方面，它的满分为1.0分，而传统方法为0.86分。

在一篇博文中，谷歌淡化了人工智能将取代人类临床医生在诊断病人中的作用的想法。

研究人员指出：“我们强调的是，这个模型并不是诊断病人--它能接收到病人的信号、他们的治疗方法以及他们的临床医生写的笔记，所以这个模型更像是一个好的倾听者，而不是一个诊断大师。”