對(duì)于醫(yī)生來說，跟蹤病人的檢查結(jié)果、圖表和其他指標(biāo)是一件非常耗時(shí)但又必要的事情:

想象一下，一個(gè)普通醫(yī)生每天要面對(duì)多個(gè)病人。他要把他們的數(shù)據(jù)找出來，整合到自己的大腦里，然后決定采用哪種治療方案。當(dāng)患者資料不是特別全的情況下，比如之前在另一家醫(yī)院醫(yī)院的檢查治療，患者手頭沒有全部的檢查單據(jù)，會(huì)浪費(fèi)醫(yī)生很多時(shí)間(比如之前聯(lián)系醫(yī)院或者復(fù)檢)。

據(jù)雷鋒網(wǎng)報(bào)道。在最新的一組論文中，來自麻省理工學(xué)院計(jì)算機(jī)科學(xué)和人工智能實(shí)驗(yàn)室CSAIL的研究人員提出了兩個(gè)系統(tǒng)，以幫助醫(yī)生在治療方案上做出更好的決定。

一個(gè)團(tuán)隊(duì)開發(fā)了一個(gè)名為“ICU Intervene”的機(jī)器學(xué)習(xí)系統(tǒng)，即“重癥監(jiān)護(hù)室干預(yù)”。大量的重癥監(jiān)護(hù)室(ICU)數(shù)據(jù)，從患者的生命體征、之前醫(yī)生的治療記錄，到人口統(tǒng)計(jì)學(xué)信息，都將被整合在一起，幫助醫(yī)生做出決策——哪種治療方案最適合當(dāng)前患者的癥狀。該系統(tǒng)利用深度學(xué)習(xí)進(jìn)行實(shí)時(shí)預(yù)測，從過去的ICU病例中學(xué)習(xí)，對(duì)當(dāng)前的重癥病例(重癥監(jiān)護(hù))提出建議，并解釋其背后的原因和邏輯。

ICU Intervene論文的第一作者、麻省理工學(xué)院博士生Harini Suresh說:

“這個(gè)系統(tǒng)有潛力成為ICU值班醫(yī)生的助手。這些醫(yī)生的工作環(huán)境壓力極大，要求也很高。這項(xiàng)研究的目標(biāo)是充分利用醫(yī)療記錄的數(shù)據(jù)，提高醫(yī)療的水平，并提前預(yù)測必要的干預(yù)措施?！?/p>

另一個(gè)團(tuán)隊(duì)開發(fā)的系統(tǒng)被稱為“EHR模型轉(zhuǎn)移”，即“EHR模型轉(zhuǎn)移”?？梢源龠M(jìn)跨電子醫(yī)療文件系統(tǒng)(EHR)預(yù)測模型的落地。也就是說，用一套EHR數(shù)據(jù)訓(xùn)練的預(yù)測模型可以移植到另一套EHR系統(tǒng)中進(jìn)行應(yīng)用和有效預(yù)測。研究小組發(fā)現(xiàn)，“EHR模型遷移”可以有效地預(yù)測病人的死亡率和住院時(shí)間。

這兩個(gè)系統(tǒng)都由MIMIC訓(xùn)練，MIMIC是一個(gè)危急護(hù)理數(shù)據(jù)庫，包含4萬個(gè)危急病例的脫敏數(shù)據(jù)，由麻省理工學(xué)院計(jì)算生理學(xué)實(shí)驗(yàn)室開發(fā)。

通過麻省理工學(xué)院