写点什么

谷歌开发一 AI 系统,可预测医生 75% 的处方

  • 2020-04-24
  • 本文字数:1542 字

    阅读完需:约 5 分钟

谷歌开发一AI系统,可预测医生75%的处方

发表在《临床药理学与治疗学》杂志上的一篇论文称,谷歌和加州大学旧金山分校的研究人员开发的一个人工智能系统,在 75%的情况下能预测医生的处方决定。如果有一天将其应用到医疗系统中,它可以根据患者的状况识别出看起来不正常的处方,类似于信用卡公司使用的欺诈检测方案。


“虽然没有医生、护士或药剂师会希望犯伤害病人的错误,但研究表明,2%的住院患者会遇到严重但可预防的药物治疗事件,它们可能危及生命,造成永久性伤害,或导致死亡,”研究员 Kathryn Rough 和谷歌健康医学博士 Alvin Rajkomar 在一篇博文中写到,“然而,在特定的时间,面对特定的病人,决定哪种药物适用是很复杂的——医生和药剂师要经过多年的训练才能获得这项技能。”


为此,该 AI 系统训练使用的数据集包含来自 10 万多次住院治疗的大约三百万个用药医嘱,在使用这些回顾性的电子医疗记录数据时,研究人员依照 HIPAA 随机更改了日期,并删除了部分记录(包括姓名、地址、联系方式、记录号、医生姓名、文字注释、图片、等等)。重要的是,数据集并不局限于特定的疾病或治疗领域,这使得任务更具挑战性,但也有助于确保模型能够适用于更多的情况。


研究人员评估了两种模型:(1)一个是长短时记忆(LSTM)递归神经网络,它学习对长期依赖关系建模;(2)一个是类似于临床健康研究中常用的逻辑模型。两者都与同一基准进行比较,根据病人接受的医院服务(如普通内科、普通外科、妇产科、心内科)和住院时间长短对最常开具的药物进行排序。对于回顾性数据中每次开具的药物,这些模型都会列出 990 种可能的药物,对于每一个病例,研究人员评估了这些模型是否对医生实际开具的药物赋予了较高的概率。


模型效果的评估是通过比较模型提供的药物排名与医生实际开具的药物得出的。表现最好的是 LSTM,排名前十的名单中,有 93%至少包含一种药物,临床医生会在第二天为特定的病人开具。在 55%的病例中,模型正确地将医生开具的药物列为最可能服用的 10 种药物之一,开具的药物中,有 75%排在前 25 名。


“重要的是要记住,以这种方式训练的模型重现了历史数据中医生的行为,而没有学习最佳的处方模式,这些药物可能的效果,或可能发生什么副作用。”在我们下一阶段的研究中,我们将研究下,在什么情况下,这些模型可以为发现可能伤害患者的用药错误提供帮助,”研究人员写道,“我们期待着与医生、药剂师、其他临床医生和患者合作,我们将继续研究,以量化这种模型是否有能力捕捉错误,确保患者在医院的安全。”


退一步说,在医疗保健领域的 AI 应用方面,谷歌开展了广泛的工作。这家科技巨头已经开发出一种模型,能以“人类的精度水平”对胸透 X 光片进行分类,并提出了一种用于医学影像的 AI 迁移学习的混合方法


去年,谷歌宣称,它的肺癌检测人工智能战胜了 6 名人类放射科医生,而且它的皮肤炎症诊断模型能像皮肤科医生一样准确地检测出 26 种皮肤炎症。最近,该公司表示,它已经训练了一个人工智能模型,可以从乳腺 X 线影像中识别乳腺癌,几乎没有假阳性。它与印度马杜赖的阿拉文德眼科医院(Aravind Eye Hospital)合作,部署了一个机器学习模型,可以从视网膜图像诊断眼部疾病。


对于眼部诊断模型,谷歌 AI 首席 Jeff Dean 这样,“现在,你可以用视网膜图像来做检测,其准确性与侵入性更强的血液检测一样。这可能会成为一种新事物——当你去看医生,他们会给你的眼睛拍照,我们会有你的眼睛的纵向病史,并能从中学到新东西。这可算是最高标准的治疗。通过良好的、高质量的训练数据,你可以训练一个模型,并获得视网膜眼科医生的效果。”


本文最初发布于 VentureBeat 博客,经原作者授权由 InfoQ 中文站翻译并分享。


延伸阅读:


https://venturebeat.com/2020/04/02/googles-ai-predicts-physicians-prescribing-decisions-75-of-the-time/


2020-04-24 07:052927
用户头像
刘燕 InfoQ高级技术编辑

发布了 1112 篇内容, 共 571.4 次阅读, 收获喜欢 1979 次。

关注

评论

发布
暂无评论
发现更多内容

房产|2022年10月房价数据出炉!房价上涨的城市仅有…

前嗅大数据

特种设备如何管理?不同岗位视角职责解析

PreMaint

设备管理 特种设备

收藏|多指标时序预测方式及时序特征工程总结

云智慧AIOps社区

人工智能 机器学习 深度学习 时间序列 时间序列预测

DevOps 必备的 Kubernetes 安全清单

SEAL安全

Kubernetes DevOps 安全

7.PGL图学习之图游走类metapath2vec模型[系列五]

汀丶人工智能

图神经网络 GNN GCN 11月月更

【C语言】goto 关键字

謓泽

11月月更

初步探索GraalVM--云原生时代JVM黑科技

京东科技开发者

Java lua jdk 云原生 GraalVM

Python进阶(四十六)Python3实现SMTP发送邮件详细教程

No Silver Bullet

发送邮件 SMTP pyhton 11月月更

Base64码常见操作(url链接文件转base64编码、本地文件转base64编码等)

共饮一杯无

Java base64 11月月更

CSS学习笔记(九)

lxmoe

CSS 前端 学习笔记 11月月更

聚焦亮点,西安人工智能治理委员会成立暨产业政策白皮书正式发布

极客天地

看完这篇线程、线程锁与线程池讲解,面试随便问!

小小怪下士

Java 程序员 面试 线程 线程池

Awesome MegEngineer 英雄招募帖,开源社区专属权益等你来领

MegEngineBot

深度学习 开源 MegEngine 开发者福利

关于HTTPDNS,你知道多少?

移动研发平台EMAS

阿里云 网络 HTTP #EMAS

软件测试校招面试题 | 实习生和应届生有什么区别?

测试人

面试 软件测试 自动化测试 测试开发 实习

主成分分析PCA与奇异值分解SVD-高维数据可视化以及参数n_components

烧灯续昼2002

机器学习 算法 降维 sklearn 11月月更

CSS学习笔记(八)

lxmoe

CSS 前端 学习笔记 11月月更

视频清晰度优化指南

得物技术

深度学习 算法 H.265 视频质量 图像超分

千万级学生管理系统设计试卷存储方案

Geek_92ba6f

JAVA逻辑运算符

默默的成长

前端 java; 11月月更

Python进阶(四十五)走进requests库

No Silver Bullet

Python requests 11月月更

JS模块化—CJS&AMD&CMD&ES6-前端面试知识点查漏补缺

loveX001

JavaScript

kubernetes下jenkins实战maven项目编译构建

程序员欣宸

DevOps jenkins 11月月更

房产|1-10月全国房地产开发投资数据解读

前嗅大数据

解析 RocketMQ 多样消费功能-消息过滤

阿里巴巴云原生

阿里云 RocketMQ 云原生

旺链科技创始人刘涛荣登“中国区块链60人”榜单

旺链科技

区块链 数字经济 产业区块链 企业号十月PK榜

单实例并发超1个亿!阿里云飞天洛神云网络NLB网络型负载均衡性能重大突破

云布道师

负载均衡 阿里云 云网络

Ernie-SimCSE对比学习在内容反作弊上应用

百度Geek说

人工智能 AI技术 企业号十月 PK 榜

探知数字化研发4 - 底座篇

薛飞

数字化研发 数字化底座

Python进阶(四十七)python3使用pyinstaller实现将py文件打包成exe文件

No Silver Bullet

Python pyinstaller 11月月更

「Go易错集锦」意外的变量隐藏

Go学堂

golang 程序员 个人成长 常见错误 隐藏变量

谷歌开发一AI系统,可预测医生75%的处方_AI&大模型_KYLE WIGGERS_InfoQ精选文章