人工智能预测模型来了，实用价值两特征

智能医学行业资讯

每一天都给你新鲜的

大家都有住院的经验，入院之后总会对接下来的事情，充满担忧。尤其是病患会不断在心里问自己：「我什么时候可以回家？我会好起来吗？我还要回诊吗？」

如果医师与护理师能够准确回答这些问题，有助于完善、安全且高效率地护理患者。若病患的健康状况恶化，医护人员也能抢得先机，主动采取措施。

透过人工智能去预测事态发展，已经非常普遍。我们用它来预测通勤途中的交通状况，或把英文翻译成西班牙语时，预测可能需要用到的词汇。同样的道理，我们是否能应用相同类型的机器学习进行「临床预测」呢？

这样的预测模型要能够有实用价值，须具备以下两点特征：

一、可扩展性：该预测模型要能进行多项预测，得出所有我们想要的信息，并且适用于不同医院的系统。有鉴于医疗保健数据相当复杂，需要进行大量数据处理，这样的要求可能不容易满足。

二、准确性：预测结果要能帮助医生关注到真正的病灶所在，不能误导医生去注意到不相干的地方。随着电子病历普及，我们刻正尝试用其中的数据建立更加精准的预测模型。

我们联合加州大学旧金山分校、史丹佛大学医学院（Standford University School of Medicine）和芝加哥大学医学院的同事，在《自然》杂志的兄弟期刊—《数字医学》上发表了题为《可扩展且精准的深度学习与电子健康记录》的论文。这篇论文有助于实现前述两个目标。

这对患者和临床医生意味着什么？

这项研究成果还处于早期阶段，而且是基于「回顾性数据」得出的。事实上，证明机器学习可用于改善医疗保健这一假设，还有很多工作要做，本文不过是个开始。医生正穷于应付各种警报和需求，机器学习模型是否能帮助处理繁琐的管理任务，让他们更专注于护理有需要的患者？我们是否可以帮助患者获得高质量的护理，无论他们在哪里寻求治疗？我们期待着与医生和患者合作，找出这些问题的答案。

-END-