由Google和加利福尼亞大學(xué)的研究人員開發(fā)的新AI系統(tǒng)可以防止因處方不正確而導(dǎo)致死亡。

雖然很罕見，但不正確的處方（或?qū)颊攥F(xiàn)有藥物反應(yīng)不良）可能導(dǎo)致住院甚至死亡。

在今天的博客文章中，研究人員Alvin Rajkomar醫(yī)學(xué)博士和Google AI產(chǎn)品經(jīng)理Eyal Oren博士闡述了他們將AI用于醫(yī)學(xué)預(yù)測(cè)的工作。

AI可以根據(jù)某些參數(shù)預(yù)測(cè)要治療患者的狀況。研究人員寫道：“例如，如果醫(yī)生為體溫升高，發(fā)燒和咳嗽的患者開出了頭孢曲松和強(qiáng)力霉素的處方，該模型就可以將這些信號(hào)識(shí)別為患者正在接受治療的信號(hào)。”

將來，如果對(duì)于當(dāng)前處于特定狀況的患者，所開出的處方藥看起來不正確，則AI可能會(huì)介入。

“雖然沒有醫(yī)生，護(hù)士或藥劑師想犯一個(gè)會(huì)傷害患者的錯(cuò)誤，但研究表明，有2%的住院患者會(huì)經(jīng)歷嚴(yán)重的可預(yù)防的與藥物相關(guān)的事件，這些事件可能危及生命，造成永久傷害或?qū)е滤劳觯芯咳藛T寫道。

“但是，在任何給定的時(shí)間確定哪種藥物適合任何給定的患者很復(fù)雜-醫(yī)生和藥劑師需要接受多年培訓(xùn)才能掌握這項(xiàng)技能。”

AI是在匿名數(shù)據(jù)集上進(jìn)行訓(xùn)練的，該數(shù)據(jù)集包含了來自100，000多個(gè)醫(yī)院的約300萬條藥物記錄。

研究人員在論文中寫道：

“患者記錄的數(shù)據(jù)點(diǎn)的長度和密度（例如，重癥監(jiān)護(hù)室與門診患者的生命體征測(cè)量）的差異很大，因此我們制定了三種深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)模型架構(gòu)，它們以不同的方式利用了此類數(shù)據(jù)：在遞歸神經(jīng)網(wǎng)絡(luò)（長短期記憶（LSTM））上運(yùn)行，一個(gè)在基于注意力的TANN上運(yùn)行，一個(gè)在基于時(shí)間決策樹樁的神經(jīng)網(wǎng)絡(luò)上運(yùn)行。

我們?cè)诿總€(gè)任務(wù)（四個(gè)任務(wù)）和多個(gè)時(shí)間點(diǎn)（例如，入院前，入院時(shí)，入院后24小時(shí)和出院時(shí)）對(duì)每種架構(gòu)（三種不同的架構(gòu)）進(jìn)行了培訓(xùn)，但是每種架構(gòu)的結(jié)果都是通過集成來組合的。”