? 我們負(fù)責(zé)報(bào)道杭州的未來，關(guān)注一個(gè)唄

 

 

本圖文來源：DeepTech深科技

谷歌最新開發(fā)的AI算法，已經(jīng)可以預(yù)測人的死亡時(shí)間。據(jù)研究人員表示，預(yù)測準(zhǔn)確率可高達(dá)95%。

該項(xiàng)研究，著眼于住院患者的一系列臨床問題，最近發(fā)表在Nature合作期刊（npj） Digital Medicine 上。谷歌將AI技術(shù)應(yīng)用到大量數(shù)據(jù)上，這些數(shù)據(jù)來自兩個(gè)醫(yī)學(xué)中心共216000名患者，他們每人都在醫(yī)院停留了至少24小時(shí)。

研究者在文章中這樣解釋：”我們想知道在面對(duì)范圍寬廣的臨床問題時(shí)，深度學(xué)習(xí)能否提供有效預(yù)測。所以，我們?cè)诓罹嗪艽蟮呐R床領(lǐng)域挑選出預(yù)測項(xiàng)目，包括一項(xiàng)最重要的臨床結(jié)果——死亡，一項(xiàng)標(biāo)準(zhǔn)的醫(yī)療質(zhì)量指標(biāo)——是否再次入院，一項(xiàng)資源利用率指標(biāo)——住院時(shí)長，以及對(duì)于患者病情掌握情況的指標(biāo)——診斷結(jié)果。”

 

 

 

這項(xiàng)概念驗(yàn)證研究的結(jié)果顯示，該算法能準(zhǔn)確預(yù)測患者的死亡風(fēng)險(xiǎn)、是否會(huì)再度入院、是否會(huì)延長住院時(shí)間,以及患者的出院診斷。

根據(jù)該研究，使用加利福尼亞大學(xué)舊金山醫(yī)療系統(tǒng)的數(shù)據(jù)所作出的患者死亡預(yù)測準(zhǔn)確率為95％，使用芝加哥大學(xué)醫(yī)學(xué)系統(tǒng)的數(shù)據(jù)所作出的死亡預(yù)測準(zhǔn)確率為93％。

 

此準(zhǔn)確率比傳統(tǒng)”強(qiáng)化早期預(yù)警評(píng)分（augmented Early WarningScore）”預(yù)測模型的準(zhǔn)確率更高。這種傳統(tǒng)預(yù)測模型，使用了多種因素來幫助醫(yī)生確定患者病情。根據(jù)研究報(bào)告，傳統(tǒng)方法在加利福尼亞大學(xué)舊金山分校的準(zhǔn)確率為85％，在芝加哥大學(xué)醫(yī)學(xué)系統(tǒng)的準(zhǔn)確率為83％。

 

 

 

由于依賴于大量的信息，醫(yī)療越來越被認(rèn)為是應(yīng)用AI技術(shù)的合適領(lǐng)域。FDA官員 Scott Gottlieb在今年早些時(shí)候發(fā)表的演講中，就探討了AI技術(shù)在醫(yī)療行業(yè)中應(yīng)用的前景。

 

日前，在?？怂沟囊粰n電視節(jié)目中，家庭醫(yī)學(xué)醫(yī)師Mikhail Varshavski博士表示：”誠然，將大量醫(yī)療信息連接起來使用或許能夠幫助患者，但數(shù)據(jù)隱私權(quán)仍然是關(guān)鍵。我會(huì)擔(dān)心是誰在使用這些數(shù)據(jù)，又是如何使用這些數(shù)據(jù)的。作為一名醫(yī)生，我希望使用這些數(shù)據(jù)的公司是為了幫助患者，而不是僅僅為了賺錢。”

 

“機(jī)器也會(huì)犯錯(cuò)，有時(shí)候錯(cuò)誤的數(shù)據(jù)會(huì)導(dǎo)致機(jī)器犯錯(cuò)，所以我們?nèi)匀恍枰O(jiān)管這個(gè)過程。”Varshavski博士補(bǔ)充道。

 

即使在谷歌內(nèi)部，對(duì)AI的應(yīng)用也存在爭議。最近，谷歌退出了一項(xiàng)名為Maven的軍事項(xiàng)目——該項(xiàng)目旨在提高無人機(jī)的瞄準(zhǔn)精度。