谷歌開發「人工智慧醫生」：能開處方還能預測治療結果

谷歌人工智慧的研究結果可以告訴醫生，你最可能的治理結果是康復出院、病情複發重新入院還是死亡。

谷歌正在開發一種人工智慧新版本，可以預測人們的醫院療程的結果。

這些演算法，基於由研究人員訓練的神經網路，可以告訴醫生你最可能的治理后結果。

這項研究的價值是巨大的，因為它不僅可以警告醫生們儘早採取行動，以增加病人的生存機會——特別是對於那些患有慢性疾病的病人——而且還可以通過更精確的診斷來降低醫療費用。

這一研究結果的該文章發表在了由Alphabet旗下的谷歌、斯坦福、芝加哥大學和加利福尼亞大學聯合開展的研究中。

谷歌的產品和研究主管KatherineChou在一篇博客文章中寫道，這是「許多臨床醫生向谷歌提出的要求，詢問是否更好地利用健康信息可以產生更好的結果。」

計劃外的重新入院每年花費170億美元，而感染導致9.9萬人死亡。藥物問題導致超過77萬人受傷和死亡。

這樣的預防預測系統可以幫助臨床醫生檢測乳腺癌或幫助糖尿病患者發現和預防失明。

它還將加快確定需要舒緩治療的患者的過程;這份報告說，只有一半的需要接受舒緩治療的患者享受到了這項療程，因為過於樂觀的醫生通常會高估病人的存活可能性和存活時間。

谷歌聲稱它的死亡率預測比目前的方法更精確24-48小時。

醫療保健現在佔美國經濟的20%，而這只是試圖控制不斷上升的成本的眾多努力之一。

今年1月，摩根大通BerkshireHathaway公司表示，他們將聯手控制成本，改善員工的護理。不過，外界人士指出，他們的成果主要重點在於技術，而缺乏細節。

在另一項努力中，IBM將其沃森超級計算機作為對抗癌症的強大武器，但一直難以獲得支持。

由於任何神經網路都需要樣本來學習和訓練，谷歌從216221名成年患者身上獲取了匿名的醫學信息，結合了460多億個個體數據集，其中包括臨床筆記。

這些數據來自於兩家醫院的11年聯合實踐——加州大學舊金山醫學中心(2012年至2016年)和芝加哥大學醫學院(2009-2016年)。

谷歌的發現聽起來很有希望，但在大規模數據分析技術在美國的醫療體系中大規模實施之前，需要克服相當多的障礙。

第一是數據獲取和質量問題。

對於谷歌演算法來說，臨床筆記尤其難以理解，因為很多都沒有很好地打上標籤，而且每位醫生都使用了不同的書寫方式，而其中一些筆跡難以辨認。

他們可能會僅填一些必要的選項，而在其它選項中留下空白。還有一些人在表格之外書寫，或在表單上到處寫滿註釋。

谷歌的團隊不得不使用三個額外的深層神經網路，來分辨這些筆記中哪些部分的臨床數據與最終的預測有關。

這並不是這組數據所獨有的問題:另一項研究發現，電子健康記錄數據與患者報告的數據相匹配的情況僅占病例總數的23.5%。

在其他情況下，電子記錄可能缺乏有關癥狀的信息，而這些癥狀對於正確診斷是至關重要的。

只有在衛生保健行業系統地改進其數據收集做法之後，這個問題才能得到解決。

第二，提供者的數據集必須是統一的和可訪問的。

目前，情況並非如此，因為許多系統是封閉的，而許多數據被儲存為多種格式。

一旦大多數衛生保健行業內的醫院接受統一的資料庫格式，人工智慧的工作就會容易得多。

第三，隨著數據的積累，存儲變得更加昂貴，安全性也會帶來額外的挑戰(尤其是考慮到最近的黑客攻擊事件)。

保持數據更新和共享也是一個問題。通常情況下，患者會在不同的醫院接受治療，導致數據碎片化。

最後，數據不是靜態的;脈搏率、體溫、呼吸速率和血壓可能每隔幾秒鐘就會發生變化，而其他信息所需的更新頻率則較低。

正如所見，這並不是人工智慧受限的問題，而是關乎用於訓練它的數據。不準確的數據輸入后可能導致不準確的預測。

然而，在對未來的展望中，一些醫院已經開始嘗試將人工智慧在醫療保健上小規模地整合起來。

到目前為止，基於神經網路的專業技術正在取得巨大的進步，它將成為未來七到十年內必不可少的工具。

在未來甚至可以出現不同的在線服務，比如在線診斷檢查器，用戶可以掃描或上傳他們的標準化醫療數據表，並根據全球電子健康記錄資料庫得到一個由人工智慧得出的診斷。