雷鋒網(wǎng) AI科技評論按：在上月26日，谷歌在arXiv上發(fā)表的一篇論文《Scalable and accurate deep learning for electronic health records》（ Alvin Rajkomar et al.）。文中他們提出基于快速醫(yī)療保健互操作性資源（FHIR）格式的患者EHR原始記錄表示，利用深度學(xué)習(xí)的方法，準(zhǔn)確預(yù)測了多起醫(yī)療事件的發(fā)生。

論文摘要如下：

使用電子健康記錄（EHR）數(shù)據(jù)的預(yù)測建模預(yù)計(jì)將推動個人化醫(yī)療并提高醫(yī)療質(zhì)量。構(gòu)建預(yù)測性統(tǒng)計(jì)模型通常需要從規(guī)范化的EHR數(shù)據(jù)中提取策略預(yù)測變量，這是一種勞動密集型過程，且放棄了患者記錄中絕大多數(shù)信息。我們提出基于快速醫(yī)療保健互操作性資源（FHIR）格式的患者全部EHR原始記錄的表示。我們證明使用這種表示方法的深度學(xué)習(xí)方法能夠準(zhǔn)確預(yù)測來自多個中心的多個醫(yī)療事件，而無需特定地點(diǎn)的數(shù)據(jù)協(xié)調(diào)。我們使用來自兩個美國學(xué)術(shù)醫(yī)療中心的去識別的EHR數(shù)據(jù)驗(yàn)證了我們的方法，其中216,221位成年患者住院至少24小時。在我們提出的序列格式中，這一塊EHR數(shù)據(jù)總計(jì)包含了46,864,534,945個數(shù)據(jù)點(diǎn)，包括臨床說明。深度學(xué)習(xí)模型對預(yù)測院內(nèi)死亡率（AUROC跨站點(diǎn)0.93-0.94），30天無計(jì)劃再入院率（AUROC 0.75-0.76），延長住院時間（AUROC 0.85-0.86）以及所有患者的最終診斷（頻率加權(quán)AUROC 0.90）等取得了極高的準(zhǔn)確度。在所有情況下，這些模型的表現(xiàn)都優(yōu)于傳統(tǒng)的預(yù)測模型。我們還介紹了一個神經(jīng)網(wǎng)絡(luò)歸因系統(tǒng)的案例研究，該系統(tǒng)說明臨床醫(yī)生如何獲得預(yù)測的一些透明度。我們相信，這種方法可以為各種臨床環(huán)境創(chuàng)建準(zhǔn)確的、可擴(kuò)展的預(yù)測，且附有在患者圖標(biāo)中直接高亮證據(jù)的解釋。

在這項(xiàng)研究過程中，他們認(rèn)為若想大規(guī)模的實(shí)現(xiàn)機(jī)器學(xué)習(xí)，則還需要對FHIR標(biāo)準(zhǔn)增加一個協(xié)議緩沖區(qū)工具，以便將大量數(shù)據(jù)序列化到磁盤以及允許分析大型數(shù)據(jù)集的表示形式。

昨天，谷歌發(fā)布消息稱已經(jīng)開源該協(xié)議緩沖區(qū)工具。下面為谷歌博文內(nèi)容，雷鋒網(wǎng)編譯如下：

過去十年來，醫(yī)療保健的數(shù)據(jù)在很大程度上已經(jīng)從紙質(zhì)文件中轉(zhuǎn)變?yōu)閿?shù)字化為電子健康記錄。但是要想理解這些數(shù)據(jù)可能還存在一些關(guān)鍵性挑戰(zhàn)。

• 首先，在不同的供應(yīng)商之間沒有共同的數(shù)據(jù)表示，每個供應(yīng)商都在使用不同的方式來構(gòu)建他們的數(shù)據(jù)；

• 其次，即使使用同一個供應(yīng)商網(wǎng)站上的數(shù)據(jù)，可能也會有很大的不同，例如他們通常對相同的藥物使用多種代碼來表示；

• 第三，數(shù)據(jù)可能分布在許多不同表格中，這些表格有些存在交集，有些包含著實(shí)驗(yàn)數(shù)據(jù)，還有些包含著一些生命體征。

采用至少一個基本電子病歷系統(tǒng)并擁有經(jīng)過認(rèn)證的電子病歷系統(tǒng)的非聯(lián)邦急性護(hù)理醫(yī)院的百分比。Basic的電子健康記錄（ Electronic Health Record ，EHR）滿足EHR系統(tǒng)的基本功能，Certified EHR表示醫(yī)院已經(jīng)與EHR有法律協(xié)議，但不等同于采用了EHR系統(tǒng)。

快速醫(yī)療保健互操作性資源（Fast Healthcare Interoperability Resources，F(xiàn)HIR）作為一項(xiàng)標(biāo)準(zhǔn)草案，描述的是用于交換電子病歷數(shù)據(jù)格式和數(shù)據(jù)元以及應(yīng)用程序界面，該標(biāo)準(zhǔn)由醫(yī)療服務(wù)標(biāo)準(zhǔn)組織Health Level Seven International制定。這項(xiàng)標(biāo)準(zhǔn)已經(jīng)解決了這些挑戰(zhàn)中的大多數(shù)：它具有堅(jiān)實(shí)的、可擴(kuò)展的數(shù)據(jù)模型，建立在既定的Web標(biāo)準(zhǔn)之上，并且正在迅速成為個人記錄和批量數(shù)據(jù)訪問中事實(shí)上的標(biāo)準(zhǔn)。但若想實(shí)現(xiàn)大規(guī)模機(jī)器學(xué)習(xí)，我們還需要對它做一些補(bǔ)充：使用多種編程語言的工具，作為將大量數(shù)據(jù)序列化到磁盤的有效方法以及允許分析大型數(shù)據(jù)集的表示形式。

今天，我們很高興開源了FHIR標(biāo)準(zhǔn)的協(xié)議緩沖區(qū)工具，該工具能夠解決以上這些問題。當(dāng)前的版本支持Java語言，隨后很快也將支持C++ 、Go和Python等語言。另外，對于配置文件的支持以及幫助將遺留數(shù)據(jù)轉(zhuǎn)換為FHIR的工具也將很快推出。

開源地址：https://github.com/google/fhir

協(xié)議緩沖區(qū)工具：https://developers.google.com/protocol-buffers/

FHIR作為核心數(shù)據(jù)模型

在過去幾年中，我們一直在與學(xué)術(shù)醫(yī)療中心進(jìn)行合作，利用機(jī)器學(xué)習(xí)的方法“去識別”（de-identified）醫(yī)療記錄（即剝離任何個人身份信息，以預(yù)測未來可能的情況，可以在癥候出現(xiàn)前預(yù)知患者的需求。），很明顯我們需要正視醫(yī)療保健數(shù)據(jù)中的復(fù)雜性。事實(shí)上，機(jī)器學(xué)習(xí)對于醫(yī)療數(shù)據(jù)來說非常有效，因此我們希望能夠更加全面地了解每位患者隨著時間的推移發(fā)生了什么。作為紅利，我們希望擁有一個能夠直接應(yīng)用于臨床環(huán)境的數(shù)據(jù)表示。

盡管FHIR標(biāo)準(zhǔn)能夠滿足我們的大多數(shù)的需求，但是使用醫(yī)療數(shù)據(jù)將比“傳統(tǒng)”的數(shù)據(jù)結(jié)構(gòu)更容易管理，并且實(shí)現(xiàn)了對立于供應(yīng)商的大規(guī)模機(jī)器學(xué)習(xí)。我們相信緩沖區(qū)的引入可以幫助應(yīng)用程序開發(fā)人員（機(jī)器學(xué)習(xí)相關(guān)）和研究人員使用FHIR。

協(xié)議緩沖區(qū)的當(dāng)前版本

我們已經(jīng)努力使我們的協(xié)議緩沖區(qū)表示能夠通過編程式訪問以及數(shù)據(jù)庫查詢。提供的一個示例顯示了如何將FHIR數(shù)據(jù)上傳到Google Cloud的BigQuery（注：BigQuery 是 Google 專門面向數(shù)據(jù)分析需求設(shè)計(jì)的一種全面托管的 PB 級低成本企業(yè)數(shù)據(jù)倉庫。）并將其提供給外部查詢。我們也正在添加其他直接從批量數(shù)據(jù)導(dǎo)出并上傳的示例。我們的協(xié)議緩沖區(qū)遵循FHIR標(biāo)準(zhǔn)（它們實(shí)際上是由FHIR標(biāo)準(zhǔn)自動生成的），但也可以采用更優(yōu)雅的查詢方式。

目前的版本還沒有包括對訓(xùn)練TensorFlow模型提供支持，但未來將更新。我們的目標(biāo)是盡可能地開源我們最近的工作，以幫我們的研究，使其更具可重復(fù)性并能夠適用于現(xiàn)實(shí)世界的場景當(dāng)中。此外，我們正與Google Cloud中的同事進(jìn)行密切合作，研究更多用于管理醫(yī)療保健數(shù)據(jù)的工具。

via Google Blog，雷鋒網(wǎng)AI科技評論編譯

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