分分三分快3倍投Google 医疗 AI 新成果:用深度学习分析电子病历,预测患者病情发展 | 雷锋网

  • 时间:
  • 浏览:4

雷锋网按:本文译自Google Blog,作者为Google AI产品经理Eyal Oren博士和研究科学家Alvin Rajkomar博士。

患者入院后,对接下来的事情一直 充满担忧。亲们会分分三分快3倍投在心里不断问自己,我哪十几块 以还都后能 否回家?我会好起来吗?我就要再回医院吗?准确回答哪十几块 分分三分快3倍投什么的问题能够医生和护士更加周到、安全和高效地护理患者——一旦患者的健康情形恶化,医生和护士还都后能 抢先主动采取法子。

如今利用机器学习预测事态发展是因为 非常普遍。亲们还都后能 用它预测通勤途中的交通情形,以及将英文翻译成西班牙语需用用用到的词汇。这麼,亲们不是 还都后能 用相你是什么于型的机器学习进行临床预测呢?亲们认为,要做到实用,预测模型需用具备以下两点结构:

可扩展:该预测模型不能进行多项预测,得出所有亲们愿意的分分三分快3倍投信息,因此适用于不同医院的系统。鉴于医疗保健数据十分多样化,需用进行少许数据外理,你你你是什么要求暂且容易满足。

精度高:预测结果需能帮助医生关注真正的什么的问题所在,而都在用误报警分散医生的注意力。随着电子病历逐渐普及,亲们正尝试用其中的数据建立更加精准的预测模型。

亲们联合加州大学旧金山分校、斯坦福大学医学院和芝加哥大学医学院的同事,在《自然》杂志的兄弟期刊——《数字医学》上发表了题为《可扩展且精准的深度图学习与电子健康记录》的论文。这篇论文对实现前文所述的原来目标有所帮助。

基于脱敏的电子病历数据,亲们用深度图学习模型对住院患者进行了广泛预测。值得一提的是,该模型还都后能 直接使用原始数据,太少人工对相关变量进行提取、清洗、下发、转换等一系列费时费力的操作。公司媒体合作 伙伴在将电子病历数据交给亲们然后,先对其进行了脱敏外理。亲们也采用了最先进的法子保障数据安全,包括逻辑分隔、严格的访问控制,以及静态和传输中的数据加密。

可扩展性

电子病历非常多样化。以体温为例,因测量位置不同(舌头下方、耳膜或额头),其往往具有不同含义。而体温不过是电子病历众多参数中最简单的之一。此外,各个卫生系统都在一套自己定制的电子病例系统,是因为 各个医院的下发的数据大不相同。用机器学习外理哪十几块 数据然后,需用先将其统一格式。基于开放的FHIR标准,亲们构建了一套标准格式。

格式统一后,亲们就不需用手动取舍或调整相关变量了。进行各项预测时,深度图学习模型会自动扫描过去到现在的所有数据点,并分析其中哪十几块 数据对预测是有价值的。是因为 你你你是什么过程涉及数千个数据点,亲们不得不开发了而是我基于递归神经网络(RNN)和前馈网络的新型深度图学习建模法子。

 

 *亲们用时间线来展示患者电子病历中的数据。为方便说明,亲们按行显示各种类型的临床数据,其中每个数据片段都用灰点表示,它们被存储在FHIR中。FHIR是一种可供任何医疗机构使用的开放式数据标准。深度图学习模型通过从左往右扫描时间表,分析患者从图标开头到现在的住院信息,并据此进行不你是什么于型的预测。

就原来 亲们设计了原来计算机系统,以可扩展的法子进行预测,而太少为部分预测任务手动制作新的数据集。设置数据而是我完整性工作中的一部分,保证预测的准确性也十分重要。

准确性

评估准确性的最常见法子是受试者工作曲线下面积,它能不是 效评估模型区分特定未来结果患者和非特定未来结果患者的效果。 在你你你是什么度量标准中,1.00代表完美,0.100代表不比随机结果更准确,也而是我说得分越高代表模型越准确。通过测试,亲们的模型在预测患者不是 会在医院等待歌曲然后时,得分为0.86(传统逻辑回归模型的评分为0.76);预测住院病死率时的得分为0.95(传统模型的得分为0.86);预测出院后意外再住院率时得分为0.77(传统模型得分为0.70)。从得分上看,新法子的准确率提升非常显著。

亲们还用哪十几块 模型来取舍患者接受的治疗,比如医生为发烧、咳嗽的患者开具头孢曲松和强力霉素,该模型就会判定患者正在接受肺炎治疗。需用强调,该模型暂且会给患者做诊断,它而是我下发患者的相关信号,以及临床医生编写的治疗方案和笔记。因此,它更像是一位优秀的听众而都在主诊医生。

深度图学习模型的可解释性是亲们工作重点之一。部分预测的“注意图”会展示模型在进行该项预测时认为重要的哪十几块 数据点。我将展示原来例子作为概念验证,并将其视为让预测对临床医生产生价值的重要部分。

 

*患者入院24小时后,亲们使用深度图学习进行预测。上图顶部的时间表富含了患者十几块 月时间的历史数据,亲们将最近的数据做了放大显示。模型用红色标识了患者信息图表中用于“解释”其预测的信息。在你你你是什么研究案例中,模型标注了临床上有意义的信息片段。

这对患者和临床医生是因为 哪十几块 ?

这项研究成果还处在早期阶段,因此是基于回顾性数据得出的。事实上,证明机器学习可用于改善医疗保健你你你是什么假设还有做而是我工作要做,本文不过是个开始。医生们正穷于应付各种警报和需求,机器学习模型不是 能帮助外理繁琐的管理任务,让亲们更专注于护理有需用的患者?亲们不是 还都后能 帮助患者获得高质量的护理,无论亲们在哪里寻求治疗?亲们期待着与医生和患者公司媒体合作 ,找出哪十几块 什么的问题的答案。雷锋网(公众号:雷锋网)雷锋网

雷锋网原创文章,未经授权禁止转载。详情见转载须知。