Realistiska bedömningar av livets slut kan vara mer exakta på grund av AI och neurala nätverk.

Googles forskare tittar på AI-potentialen för användning inom medicin och resultaten gör rundor på tech-tittande webbplatser som lägger upp iögonfallande rubriker. Google utbildar maskiner för att göra exakta bedömningar om dödlighet bland patienter. Rapporterna hänvisade till företagets Medical Brain -team.

Som Daglig post Pekat ut, AI utvecklades i samarbete med kollegor vid UC San Francisco, Stanford Medicine och University of Chicago Medicine.

Säkert, de är inte de första som utforskar användningen av datorsystem för att lära av en databas över kliniska data. Tanken att använda datasystem för att lära av en "mycket organiserad och registrerad databas" med kliniska data har en lång historia, sa de.

Problemet är att prediktiva modeller byggda med EHR -data använder en median av endast 27 variabler, de skrev, lita på traditionella generaliserade linjära modeller, och är byggda med data i ett enda centrum. De konstruerade å andra sidan en studie av djupt lärande i en mängd olika förutsägelseproblem baserat på flera allmänna sjukhusdata.

"Om ett kliniskt team måste undersöka patienter som förutspås löpa stor risk att dö, graden av falska varningar vid varje tidpunkt grovt grovt av vår modell, "rapporterade de.

"Skalbar och exakt djupinlärning med elektroniska hälsojournaler" är titeln på deras uppsats, publicerad i npj Digital medicin i maj.

"Löftet om digital medicin härrör delvis från hoppet om att genom att digitalisera hälsodata, vi kan lättare utnyttja datorinformationssystem för att förstå och förbättra vården, " de skrev.

Nyckeln till allt detta är prediktiv modellering med elektroniska hälsojournaler (EHR). "Vi föreslår en representation av patienternas hela råa EHR-journaler baserat på formatet Fast Healthcare Interoperability Resources (FHIR). Vi visar att djupa inlärningsmetoder som använder denna representation kan förutse flera medicinska händelser från flera centra utan platsspecifik dataharmonisering . "

De Los Angeles Times citerade en av författarna:"Så mycket som 80% av tiden som läggs på dagens prediktiva modeller går till" scut -arbetet "med att göra data presenterbara, "sa Nigam Shah, docent vid Stanford University och medförfattare till uppsatsen. Dock, med Googles tillvägagångssätt, sa Shah, "Du kan slänga in diskbänken och inte behöva oroa dig för det."

Victor Tangermann i Futurism sade att "Det neurala nätverket innehåller till och med handskrivna anteckningar, kommentarer, och klottrar på gamla sjökort för att göra sina förutsägelser. "

Författarna sparkade däcken av traditionella modelleringsmetoder och kallade begränsningar de ställde. De sa att sådana tillvägagångssätt behandlade komplexitet genom att välja ett begränsat antal vanligt samlade variabler att överväga. "Detta är problematiskt eftersom de resulterande modellerna kan ge osäkra förutsägelser:falskt positiva förutsägelser kan överväldiga läkare, sjuksköterskor, och andra leverantörer med falsklarm och samtidig varningströtthet. "

De talade om djupinlärning och neurala nätverk för att låsa upp information som behövs för en mer komplett bild.

Futurism sa, "I försök med data från två amerikanska sjukhus, forskare kunde visa att dessa algoritmer kunde förutsäga en patients vistelsetid och utskrivningstid, men också dödens tid. "

De inkluderade totalt 216, 221 sjukhusinläggningar med 114, 003 unika patienter.

"Som vi förstår det, våra modeller överträffar befintliga EHR -modeller i den medicinska litteraturen för att förutsäga dödlighet (0,92–0,94 vs 0,91), oväntad återtagande (0,75–0,76 mot 0,69), och ökad vistelsetid (0,85–0,86 vs 0,77). ”

Författarna kommenterade datatillgänglighet. "Datauppsättningarna som analyserades under den aktuella studien är inte offentligt tillgängliga:på grund av rimliga integritets- och säkerhetshänsyn, de underliggande EHR-uppgifterna kan inte lätt omfördelas till andra forskare än dem som deltar i Institutional Review Board-godkända forskningssamarbeten med de namngivna medicinska centren. "

© 2018 Tech Xplore