Bloom Berg在本月18日（當(dāng)?shù)貢r(shí)間）報(bào)道，谷歌公司最近利用人工智能，對患者入院后在24小時(shí)內(nèi)的死亡可能性進(jìn)行預(yù)測，結(jié)果準(zhǔn)確率高達(dá)95%。這與傳統(tǒng)的模型對比準(zhǔn)確率高出10%。AI不僅可以預(yù)測死亡，還可以對30日之內(nèi)是否會再次入院及需要入院多久可以進(jìn)行預(yù)測。
 

 

　　根據(jù)報(bào)道提到醫(yī)生對一名患肺炎的女性入院后死亡率進(jìn)行預(yù)測，結(jié)果是9.3%. 但是谷歌的AI進(jìn)行預(yù)測的結(jié)果是19.9%，結(jié)果幾天之后該患者就死亡了。

 

　　谷歌的醫(yī)療用AI是利用了神經(jīng)網(wǎng)，神經(jīng)網(wǎng)是通過收集大數(shù)據(jù)來進(jìn)行學(xué)習(xí)提高分析結(jié)果。谷歌AI為了健康管理預(yù)測，會結(jié)合患者的人種、年齡、性別、病史、檢查結(jié)果和身體信號等利用類似的數(shù)據(jù)進(jìn)行預(yù)測。之所以這個(gè)AI這么強(qiáng)大是因?yàn)榭梢院Y選之前無法獲得的數(shù)據(jù)：埋藏在PDF文件中的注釋或舊資料中的醫(yī)生的潦草筆記，現(xiàn)在通過AI都可以掌握讀取信息。

 

　　谷歌為了測試這個(gè)系統(tǒng)，匿名獲取了21萬6221名成人信息及460億件數(shù)據(jù)信息。谷歌AI通過這些數(shù)據(jù)研究可以知道哪些單詞可以連接到一起。結(jié)果雖然還沒得到驗(yàn)證，谷歌認(rèn)為這個(gè)結(jié)果與基本的模型對比要改善很多，對研究人員來說一個(gè)最大的益處就是這個(gè)系統(tǒng)可以應(yīng)用于所有形態(tài)的數(shù)據(jù)。

 

　　斯坦福大學(xué)的副教授尼加姆·沙阿表示當(dāng)今的預(yù)測模型，所花費(fèi)的時(shí)間有多達(dá)80%用在了“枯燥的粗活”上，谷歌的方法則避免了這種模式。 谷歌研究人員表示“一般患者入院都會滿腹疑慮，什么時(shí)候可以回家，什么時(shí)候可以出院，什么時(shí)候該復(fù)查等等一些問題，以后關(guān)于這些問題都可以被預(yù)測出來”.

 

　　谷歌深層學(xué)習(xí)模型已經(jīng)從初期階段演化到可以讀取所有的電子健康記錄，而且，哪些數(shù)據(jù)有助于預(yù)測結(jié)果，最終結(jié)果顯示準(zhǔn)確度非常高。測試結(jié)果顯示，如果1.00為滿分的話，0.5分作為比隨機(jī)概率不好的分?jǐn)?shù)，谷歌AI比現(xiàn)有的方式獲得的分?jǐn)?shù)更高。

 

　　最近谷歌AI對入院24小時(shí)內(nèi)的死亡率進(jìn)行預(yù)測，準(zhǔn)確率高達(dá)95%， 圖表顯示谷歌的AI預(yù)測（實(shí)線）比醫(yī)院醫(yī)生的預(yù)測（虛線）準(zhǔn)確性要高。
 

 

　　針對患者在醫(yī)院停留時(shí)間進(jìn)行預(yù)測，谷歌AI得分達(dá)到0.86，傳統(tǒng)方式得分只有0.76. 針對入院患者的死亡率進(jìn)行預(yù)測，谷歌AI得分有0.95，傳統(tǒng)方式得分只有0.86. 針對患者出院后是否還會發(fā)生意外再次入院，關(guān)于這方面谷歌AI預(yù)測得分是0.77，傳統(tǒng)方式預(yù)測得分0.70.

 

　　谷歌AI分析了龐大的數(shù)據(jù)，一般這種工作是需要花費(fèi)很多勞動時(shí)間的，AI應(yīng)用到醫(yī)療領(lǐng)域可以幫助醫(yī)生更準(zhǔn)確的做出診斷。根據(jù)報(bào)告書顯示，截至到現(xiàn)在谷歌AI程序針對患者做出的診斷書比其他的技術(shù)更快且更準(zhǔn)確?？梢灶A(yù)測的是不久的將來谷歌的這項(xiàng)技術(shù)將應(yīng)用到醫(yī)療領(lǐng)域。但是很多人擔(dān)心AI有一天能對人類產(chǎn)生控制權(quán)，甚至對于可預(yù)測死亡系統(tǒng)的出現(xiàn)產(chǎn)生恐慌。而且對于谷歌AI技術(shù)使用方法及訪問權(quán)限等各種問題提出異議。

 

　　這個(gè)系統(tǒng)還處于初級階段，但是谷歌相信AI預(yù)測會比傳統(tǒng)方式更先進(jìn)。

 

　　谷歌AI是由加利福尼亞舊金山分校(UCSF)，斯坦福醫(yī)科大，芝加哥醫(yī)科大合作共同開發(fā)的。這項(xiàng)研究成果最終發(fā)表在Digital Medicine上面。