首页 人工智能正文

Google的AI可以在75%的时间内准确预测医师的处方决定

根据发表在《临床药理学与治疗学》杂志上的一篇论文,由Google和旧金山大学的研究人员开发的AI系统预计医师的处方决定将有75%的时间。如果有一天将其应用于医疗保健系统,它可以识别出对患者及其情况看似异常的处方,类似于信用卡公司使用的欺诈检测方案。


“虽然没有医生,护士或药剂师想犯一个会伤害患者的错误,但研究表明,有2%的住院患者会经历严重的可预防的与药物相关的事件,这些事件可能危及生命,造成永久性伤害或导致死亡, ”研究科学家凯瑟琳·拉夫(Kathryn Rough)和Google Health MD Alvin Rajkomar在博客中写道。“但是,在任何给定时间确定哪种药物适合任何给定患者很复杂-医生和药剂师需要接受多年培训才能掌握这项技能。”


为此,人工智能系统使用追溯电子健康记录数据,对数据集进行了培训,该数据集包含来自100,000例以上住院的约300万份药物订单,该数据是根据HIPAA随机转移日期并删除记录的一部分(包括姓名,地址,联系方式,记录号,医生姓名,自由文本注释,图片等)。重要的是,数据集不仅限于特定的疾病或治疗领域,这使任务更具挑战性,但也有助于确保模型可以识别更多种情况。


研究人员评估了两个模型:(1)学习了对长期依赖性进行建模的长短期记忆(LSTM)递归神经网络,以及(2)类似于临床健康研究中常用的逻辑模型。将两者都与基线进行比较,该基线根据患者的医院服务(例如,普通医疗,普通外科,产科,心脏病学)和入院以来的时间对最常用的药物进行排名。每次在回顾性数据中订购药物时,模型都会对990种可能的药物进行排名,研究人员评估了模型是否为每种情况下的医生实际订购的药物分配了高概率。


通过将其排名选择与医师实际开出的药物进行比较,来评估每种模型的性能。表现最佳的是LSTM-前10名名单中的93%至少包含一种药物,临床医生会在第二天为该患者订购。在55%的情况下,模型正确地将医生指定的药物正确放置为最可能的前10种药物之一,而订购的药物中有75%排在前25位。


“重要的是要记住,以这种方式训练的模型可以重现历史数据中出现的医生行为,并且没有学习最佳的处方方式,这些药物的工作方式或可能产生的副作用。在我们的下一阶段研究中,我们将研究在哪些情况下这些模型可用于发现可能伤害患者的用药错误。” “我们期待着与医生,药剂师,其他临床医生和患者的合作,因为我们将继续进行研究以量化像这样的模型是否能够捕获错误并确保患者在医院中的安全。”


至少可以说,谷歌在AI应用于医疗保健方面的工作非常广泛。这家技术巨头开发了可对胸部X光进行“人类级”准确度分类的模型,并提出了用于医学成像的AI转移学习的混合方法。去年,Google声称其肺癌检测AI胜过六名人类放射科医生,其皮肤状况诊断模型可以检测到26种皮肤状况,与皮肤科医生一样准确。最近,该公司表示已经训练了一种AI模型,可以在乳腺X射线照相图像中识别出假阳性更少的乳腺癌。它与印度马杜赖的Aravind眼科医院合作,部署了机器学习模型 可以从视网膜图像诊断出眼睛疾病。


“与更具侵入性的血液测试相同的准确性,现在您可以使用视网膜图像来做到这一点。真正希望这可能是一种新事物-[当您去看医生时,他们会给您的眼睛拍照,我们将拥有您的眼睛纵长病史并能够学习新事物从” 说诊断眼模型的谷歌首席AI杰夫院长。“这就是医疗的黄金标准。有了优质的高质量训练数据,您可以训练模型并获得视网膜眼科医生的效果。”

版权声明

本文仅代表作者观点,不代表本站立场。
本文系作者授权发表,未经许可,不得转载。

评论

Copyright © 2020 互联资讯 技术支持:数据中心 特别赞助:群晖NAS