對于醫(yī)生而言，跟蹤病人的化驗結(jié)果、各項圖表以及其它各項指標(biāo)是一件非常耗時，但又必須要做的事：

設(shè)想一下，一名普通醫(yī)生每天要面對多個病人，要把他們的各項數(shù)據(jù)查找出來，在自己的大腦中整合起來，進(jìn)而決定采取哪一種治療方案。當(dāng)病人的數(shù)據(jù)并不是特別完整，比如此前在另一家醫(yī)院做的檢查治療，病人手頭并沒有全部檢查單據(jù)，對于醫(yī)生來說會有大量的時間浪費（比如聯(lián)系之前的醫(yī)院或重新檢查）。

雷鋒網(wǎng)消息，在最新的一組論文中，MIT 計算機科學(xué)與人工智能實驗室 CSAIL 的研究員，提出了兩套幫助醫(yī)生更好做治療方案決策的系統(tǒng)。

一支團(tuán)隊開發(fā)了一套名為 “ICU Intervene” ，即“重癥監(jiān)護(hù)室干預(yù)”的機器學(xué)習(xí)系統(tǒng)。大量重癥監(jiān)護(hù)室（ICU）的數(shù)據(jù)，從病人關(guān)鍵生命體征、之前醫(yī)生的治療備注，到人口統(tǒng)計學(xué)信息，都會被整合到一起，以幫助醫(yī)生做出決策——哪些治療方案最適合當(dāng)前病人的癥狀。該系統(tǒng)使用深度學(xué)習(xí)來做出實時預(yù)測，從過去的 ICU 案例中學(xué)習(xí)，對當(dāng)前情況嚴(yán)重的病例（病危護(hù)理）做出推薦，并能對其背后的原因與邏輯做出解釋。

ICU Intervene 論文的第一作者、MIT 博士生 Harini Suresh 表示：

“這套系統(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)境有巨大壓力以及極高要求。這項研究的目標(biāo)是充分利用醫(yī)療記錄的數(shù)據(jù)，提高醫(yī)療水平，并對必要的干預(yù)提前做出預(yù)測?！?/p>

另一支團(tuán)隊開發(fā)的系統(tǒng)被稱為“EHR Model Transfer” ，即“EHR 模型遷移”。它能推動跨電子醫(yī)療檔案系統(tǒng)（EHR）預(yù)測模型的落地。也就是說，用一套 EHR 的數(shù)據(jù)訓(xùn)練出來的預(yù)測模型，能夠遷移到另一套 EHR 系統(tǒng)上進(jìn)行應(yīng)用，做出有效預(yù)測。該團(tuán)隊發(fā)現(xiàn)，“EHR 模型遷移”能對病人的死亡率、住院延長時間做有效預(yù)測。

兩套系統(tǒng)都使用病危護(hù)理數(shù)據(jù)庫 MIMIC 進(jìn)行訓(xùn)練，后者包含四萬個病危病例的脫敏數(shù)據(jù)，由 MIT 生理計算實驗室（MIT Lab for Computational Physiology）開發(fā)。

via mit

雷峰網(wǎng)版權(quán)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。