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（图片来源：LinkedIn）

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。

参考资料：

[1] Scalable and accurate deep learning with electronic health records

[2] Google Is Training Machines to Predict When a Patient Will Die

[3] Google says its AI is better at predicting death than hospitals

[4] Google’s AI Can Predict When A Patient Will Die

原文：Scalable and accurate deep learning with electronic health records

DOI号：10.1038/s41746-018-0029-1