谷歌人工智能的研究結果可以告訴醫(yī)生，你最可能的治理結果是康復出院、病情復發(fā)重新入院還是死亡。

谷歌正在開發(fā)一種人工智能新版本，可以預測人們的醫(yī)院療程的結果。

這些算法，基于由研究人員訓練的神經網絡，可以告訴醫(yī)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(yī)生們盡早采取行動，以增加病人的生存機會——特別是對于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(yī)療費用。

這一研究結果的該文章發(fā)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(lián)合開展的研究中。

谷歌的產品和研究主管Katherine Chou在一篇博客文章中寫道，這是“許多臨床醫(yī)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(tǒng)可以幫助臨床醫(yī)生檢測乳腺癌或幫助糖尿病患者發(fā)現(xiàn)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，因為過于樂觀的醫(yī)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(yī)療保健現(xiàn)在占美國經濟的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Berkshire Hathaway公司表示，他們將聯(lián)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于技術，而缺乏細節(jié)。

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

由于任何神經網絡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(yī)學信息，結合了460多億個個體數(shù)據(jù)集，其中包括臨床筆記。

這些數(shù)據(jù)來自于兩家醫(yī)院的11年聯(lián)合實踐——加州大學舊金山醫(yī)學中心(2012年至2016年)和芝加哥大學醫(yī)學院(2009-2016年)。

谷歌的發(fā)現(xiàn)聽起來很有希望，但在大規(guī)模數(shù)據(jù)分析技術在美國的醫(yī)療體系中大規(guī)模實施之前，需要克服相當多的障礙。

第一是數(shù)據(jù)獲取和質量問題。

對于谷歌算法來說，臨床筆記尤其難以理解，因為很多都沒有很好地打上標簽，而且每位醫(yī)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注釋。

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

這并不是這組數(shù)據(jù)所獨有的問題:另一項研究發(fā)現(xiàn)，電子健康記錄數(shù)據(jù)與患者報告的數(shù)據(jù)相匹配的情況僅占病例總數(shù)的23.5%。

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

只有在衛(wèi)生保健行業(yè)系統(tǒng)地改進其數(shù)據(jù)收集做法之后，這個問題才能得到解決。

第二，提供者的數(shù)據(jù)集必須是統(tǒng)一的和可訪問的。

目前，情況并非如此，因為許多系統(tǒng)是封閉的，而許多數(shù)據(jù)被儲存為多種格式。

一旦大多數(shù)衛(wèi)生保健行業(yè)內的醫(yī)院接受統(tǒng)一的數(shù)據(jù)庫格式，人工智能的工作就會容易得多。