幫助醫(yī)生做出更好的醫(yī)療決策，機(jī)器學(xué)習(xí)是如何做的？
醫(yī)生們總是會(huì)被來自圖標(biāo)、測(cè)試結(jié)果和其他指標(biāo)的信息所困擾。在進(jìn)行實(shí)時(shí)治療決策的時(shí)候，醫(yī)生們總是很難整合、監(jiān)測(cè)多個(gè)患者的所有數(shù)據(jù)，特別是當(dāng)醫(yī)院的數(shù)據(jù)記錄不一致的時(shí)候。
麻省理工學(xué)院的計(jì)算機(jī)科學(xué)和人工智能實(shí)驗(yàn)室（CSAIL）的研究人員，在一則新文章中探討了一個(gè)問題：計(jì)算機(jī)如何幫助醫(yī)生做出更好的醫(yī)療決策？
這個(gè)團(tuán)隊(duì)創(chuàng)建了一種名為ICU干預(yù)的機(jī)器學(xué)習(xí)方法，這種方法需要大量的重癥監(jiān)護(hù)室（ICU）的數(shù)據(jù)，來確定不同癥狀需要哪些治療方法。這個(gè)系統(tǒng)使用了深度學(xué)習(xí)，進(jìn)行實(shí)時(shí)預(yù)測(cè)，從過去的ICU案例中學(xué)習(xí)，為重癥監(jiān)護(hù)提出建議，同時(shí)還會(huì)解釋這些決定背后的原因。
博士生HarniSuresh，也是ICU干預(yù)一文的主要作者，說：這個(gè)系統(tǒng)可能有助于ICU的醫(yī)生在高壓力、高需求的環(huán)境下，讓他們利用醫(yī)療記錄中的數(shù)據(jù)，來改善醫(yī)療保健，并預(yù)測(cè)可實(shí)施的措施。
同時(shí)，另一個(gè)團(tuán)隊(duì)開發(fā)了一種被稱為EHR模型轉(zhuǎn)移的方法，這種方法盡管是由不同EHR系統(tǒng)的數(shù)據(jù)進(jìn)行的培訓(xùn)，但還是能促進(jìn)在電子健康記錄（EHR）系統(tǒng)上的預(yù)測(cè)模型的應(yīng)用。具體來說，這種方法，可以在一個(gè)EHR系統(tǒng)上訓(xùn)練死亡率、延長逗留時(shí)間的預(yù)測(cè)模型，并用于另一個(gè)EHR系統(tǒng)。
ICU干預(yù)由Suresh、NathanHunt（本科生）、AlistairJohnson（博士后）、LeoAnthonyCeli（研究員）、PeterSzolovists（麻省理工學(xué)院教授）、MarzyehGhassemi（博士生）共同開發(fā)，是在這個(gè)月的波士頓醫(yī)療機(jī)器學(xué)習(xí)會(huì)議上提出的。
EHR模型轉(zhuǎn)移是由CASIL的博士生JenGong和TristanNaumann，以及電氣工程教授Szolovists和JohnGuttag共同開發(fā)的，是在加拿大哈利法克斯的知識(shí)發(fā)現(xiàn)和數(shù)據(jù)挖掘特別興趣小組上提出的。
這兩種模型的培訓(xùn)都使用了來自重要護(hù)理數(shù)據(jù)庫MIMIC的數(shù)據(jù)，其中包括來自大約4萬名重癥監(jiān)護(hù)病人的未確定數(shù)據(jù)，由麻省理工學(xué)院計(jì)算生理學(xué)實(shí)驗(yàn)室開發(fā)的。
幫助醫(yī)生做出更好的醫(yī)療決策，m.twshmhelmet.com，機(jī)器學(xué)習(xí)是如何做的？
ICU干預(yù)
綜合ICU數(shù)據(jù)，對(duì)于讓預(yù)測(cè)患者健康結(jié)果的過程自動(dòng)化，是非常重要的。
Suresh說：以前在臨床決策中，許多工作都集中在死亡率等結(jié)果上，而這項(xiàng)工作則預(yù)測(cè)了可行的治療方法。此外，這個(gè)系統(tǒng)能使用單一模型，來預(yù)測(cè)多種結(jié)果。
ICU干預(yù)專注于每小時(shí)預(yù)測(cè)涵蓋各種關(guān)鍵護(hù)理需要的5種不同干預(yù)措施，庫卡機(jī)器人驅(qū)動(dòng)器維修，比如呼吸輔助、改善心血管功能、降低血壓、流體治療。
在每個(gè)小時(shí)，系統(tǒng)從代表生命體征的數(shù)據(jù)，以及臨床筆記和其他數(shù)據(jù)點(diǎn)中提取數(shù)值。所有數(shù)據(jù)都用數(shù)值表示，表示患者距平均值的差距，來評(píng)估進(jìn)一步治療方法。
重要的是，ICU干預(yù)可以對(duì)未來做出預(yù)測(cè)！比如，這個(gè)模型可以預(yù)測(cè)6小時(shí)后（而不是30分鐘或1小時(shí)后）患者是否需要呼吸機(jī)。這個(gè)團(tuán)隊(duì)還專注于為模型的預(yù)測(cè)提供推力，為醫(yī)生提供更多的見解。
斯坦福大學(xué)副教授NigamShah說：基于神經(jīng)網(wǎng)絡(luò)的深層神經(jīng)預(yù)測(cè)模型，總是被業(yè)內(nèi)人士批評(píng)。然而，這些作者高度準(zhǔn)確地預(yù)測(cè)了醫(yī)療干預(yù)的開始和結(jié)束，并且能證明他們做出的預(yù)測(cè)的可解釋性。
團(tuán)隊(duì)還發(fā)現(xiàn)，工業(yè)機(jī)器人維修，這個(gè)系統(tǒng)在預(yù)測(cè)干預(yù)措施方法方面，比以前的方法更出色，并且特別擅長于預(yù)測(cè)血管加壓素的需要，這是一種收緊血管、提高血壓的藥物。
將來，研究人員會(huì)努力改進(jìn)ICU干預(yù)，以便給予更多的個(gè)性化護(hù)理，并為決策提供更先進(jìn)的推力，比如為什么一個(gè)患者能減少類固醇，或者為什么另一個(gè)患者需要像內(nèi)鏡檢查等等。
EHR模型轉(zhuǎn)移
利用ICU數(shù)據(jù)的另一個(gè)重要因素是存儲(chǔ)方式，以及當(dāng)存儲(chǔ)方式發(fā)生變化是會(huì)發(fā)生什么�，F(xiàn)有的機(jī)器學(xué)習(xí)模型，需要用一致的方式來編碼數(shù)據(jù)，因此，醫(yī)院經(jīng)常改變他們的EHR系統(tǒng)，這可能會(huì)對(duì)數(shù)據(jù)分析和預(yù)測(cè)造成重大問題。
這就是EHR模型轉(zhuǎn)移想解決的問題。這種方法適用于不同版本的EHR平臺(tái)，使用自然語言處理，來識(shí)別跨系統(tǒng)編碼的臨床概念，然后將其映射到一組常見的臨床概念（比如血壓、心率等）。
比如，一個(gè)EHR平臺(tái)中的病人，可能需要換醫(yī)院，還需要把他的數(shù)據(jù)傳輸?shù)讲煌愋偷钠脚_(tái)。而EHR模型轉(zhuǎn)移，能確保該模型能夠預(yù)測(cè)患者ICU訪問的各個(gè)方面，比如長期停留或死亡的可能性。
Shah說：機(jī)器學(xué)習(xí)模型在衛(wèi)生保健這塊，總是略顯低效、便攜性差。他們做了個(gè)不錯(cuò)的設(shè)計(jì)，讓模型在一個(gè)系統(tǒng)接受培訓(xùn)，然后在另外系統(tǒng)表現(xiàn)良好。我很高興看到這樣創(chuàng)造性地使用科技加上醫(yī)學(xué)知識(shí)，來改善預(yù)測(cè)模型的可移植性。
通過EHR模型轉(zhuǎn)移，團(tuán)隊(duì)測(cè)試了他們模型預(yù)測(cè)兩種結(jié)果的能力：死亡率和長期逗留的需要。他們?cè)谝粋�(gè)EHR平臺(tái)上進(jìn)行了訓(xùn)練，然后在不同的平臺(tái)上測(cè)試，發(fā)現(xiàn)EHR模型轉(zhuǎn)移優(yōu)于基線方法。
未來，EHR模型轉(zhuǎn)移小組計(jì)劃對(duì)其他醫(yī)院和護(hù)理機(jī)構(gòu)的數(shù)據(jù)、EHR系統(tǒng)進(jìn)行評(píng)估。
上述兩種方法都得到了英特爾大數(shù)據(jù)科技中心和國家醫(yī)學(xué)圖書館的支持。EHR模型轉(zhuǎn)移的論文，還得到了國家科學(xué)基金和廣達(dá)電腦有限公司的支持。