據(jù)刊登在《Nature》期刊的一項(xiàng)新研究結(jié)果顯示，Google的深度學(xué)習(xí)模式優(yōu)于傳統(tǒng)篩選大量電子健康紀(jì)錄(EHR)數(shù)據(jù)預(yù)測健康狀況的方法。據(jù)HealthcareDIVE報導(dǎo)，F(xiàn)HIR是一個標(biāo)準(zhǔn)，用于加強(qiáng)跨系統(tǒng)的數(shù)據(jù)流動，以預(yù)測院內(nèi)死亡率、30天內(nèi)重新入院和長期住院的情況。

Google與加州大學(xué)舊金山分校(UCSF)、史丹佛大學(xué)(Stanford University)和芝加哥大學(xué)醫(yī)學(xué)中心(University of Chicago Medicine)合作，評估深度學(xué)習(xí)和快捷式健康照護(hù)互操作性資源(FHIR)的準(zhǔn)確性。

結(jié)果顯示，Google的深度學(xué)習(xí)在以上3種情況下表現(xiàn)都優(yōu)于其它EHR模型。其中評估患者死亡率所需的警示數(shù)量減少50%，大幅減少誤報情況。

該研究包括來自216,221名至少24小時住院的成年患者EHR數(shù)據(jù)，資料量達(dá)470億筆。研究人員表示，深度學(xué)習(xí)方法可以涵蓋整個EHR，包括結(jié)構(gòu)松散的醫(yī)學(xué)報告，以對各種臨床問題和結(jié)果進(jìn)行預(yù)測，并超越最先進(jìn)的傳統(tǒng)預(yù)測模型。

研究人員進(jìn)一步指出，該研究的重要發(fā)現(xiàn)不是在于準(zhǔn)確地協(xié)調(diào)EHR數(shù)據(jù)，將數(shù)據(jù)映射到高度策劃的結(jié)構(gòu)預(yù)測變量集合中，然后將這些變量饋送到統(tǒng)計模型中，而是透過直接特征學(xué)習(xí)，學(xué)會同步協(xié)調(diào)輸入和預(yù)測醫(yī)療事件。

現(xiàn)在人工智能(AI)在醫(yī)療保健應(yīng)用方面發(fā)展熱絡(luò)，Google希望取得一席之地。據(jù)CB Insights報告指出，Alphabet定位為AI與機(jī)器學(xué)習(xí)公司，但正在積極建立廣泛的醫(yī)療保健網(wǎng)絡(luò)，使用Google Cloud為供應(yīng)商和付款人服務(wù)并提供新的數(shù)據(jù)管道。

穿戴式裝置品牌業(yè)者Fitbit日前宣布，將結(jié)合最近購并的Twine Health平臺與Cloud for Healthcare，連接用戶數(shù)據(jù)和個人健康記錄，幫助醫(yī)生和患者管理慢性病。

Google于2017年12月推出開源工具Deep Variant，使用AI創(chuàng)建一個使用測序數(shù)據(jù)的個人遺傳藍(lán)圖圖象，目的是尋找基因或基因突變，幫助醫(yī)生診斷與治療。

Google的DeepMind還與英國Moorfields Eye Hospital NHS FoundaTIon Trust合作開采大數(shù)據(jù)，聚焦在機(jī)器學(xué)習(xí)技術(shù)分析眼科掃描，以早期發(fā)現(xiàn)和治療退化性眼睛疾病。