Google 的人工智慧有了新用途，預測病人死亡的概率有多大

電子病歷（electronic health record）究竟有什麼用？

現在我們大量的電子病歷，其實還是 pdf 文件或者掃描文件的堆疊，人們通常意義上理解的電子病歷也頂多是起一個存檔的作用。Google 的人工智慧團隊最近將美國兩個醫療中心的 21.6 萬份病歷按照 FHIR（Fast Healthcare Interoperability Resources）標準重新描述，以此來探索電子病歷的可用程度。

FHIR 也就是快速醫療保健互操作性資源，你可以將它理解成一項標準協議，基於這項協議組織的患者醫療記錄，能夠幫助人工智慧通過深度學習，預測醫療事件的可能性。這項研究已經於今年五月發表在《自然》雜誌上。

這 21.6 萬份的醫療記錄，被轉換成了 468.64 億個數據點，在預測院內死亡率、30 天無計劃再入院率、延長住院時間以及所有患者的最終診斷等方面，人工智慧都獲得了極高的準確度。

在預測預測死亡率這一項，研究對象所繪特徵曲線下面積（AUROC）是 0.93-0.94（簡單理解就是，AUCOC 越接近於 1，說明診斷效果越好）。

論文中舉了具體病歷的例子，一位入院病人的病歷被轉換成為 17.56 萬個數據點，Google 的深度模型判定該病患的死亡率為 19.9%，而通過普通模型預測的死亡率為 9.3%，這位病人也確實在入院十天之後死亡。

「今天我們為預測模型所做的工作，80%都是為數據的呈現方式所做的『雜活』。」這篇論文的聯合作者、斯坦福大學助理教授 Nigam Shah 表示。

Google 的下一步是將這個預測系統應用於臨床。這個名叫「醫療大腦（Medical Brain）」的健康研究部門正在開發大量人工智慧工具，用來提高預測癥狀與疾病的準確性。 FHIR 則是後續大量工作的前提。

彭博社援引一位 Google 內部員工的說法是：「他們終於找到了 AI 用於商業化變現的新途徑。」自從 Google 2016 年提出 AI 為先以來，人工智慧的研究大多是用在提升 Google 已有的互聯網服務上。在醫療領域的應用進展，則意味著 Google 將開闢一個全新的市場領域。

現在 Google 對人工智慧的應用還停留在輔助診斷上。

去年，Google 在英國的人工智慧部門 Deepmind、倫敦帝國理工學院的癌症研究機構、Google 的人工智慧健康研究團隊一起合作了癌症檢測項目，他們希望建立新的機器學習模型，幫助醫生提高癌症檢測率，早發現癌症，以便儘早開始治療。通過深度學習演算法，研究者們訓練機器學習切片檢查，從中尋找腫瘤，提高診斷的效率和準確率。

另外，Google 的 Verily 生命科學部門（Verily Life Sciences）主要致力於研發新工具以便收集和分析健康數據。 Verily 首席醫療官傑西卡·L·梅加（Jessica L. Mega）表示：「我們正在開發各種用於收集信息和新型分子檢測的工具，這一些都是為了更加深入地了解人體健康。」

這一切都是為了讓健康問題變得可以預測、預防乃至儘早介入治療。

但是這一套預測模型如果最終成立，一個值得被探討的問題是：如果機器能夠精準預測疾病的發生，乃至判斷死亡或者治癒的概率，對整個醫療行業會有怎樣的影響？

在機器學習進入這一領域之前，醫生本身就已經在做類似的判斷，只不過依據的是既往病例、權威醫療指南或者個人職業經驗。當一位五年生存概率為 20%的病人活到第十年，我們會將其稱作是「奇蹟」，這樣的「奇蹟」也經常發生，因為醫生的判斷並不準確。

但是當未來人工智慧可以做到精確預測，那人們在做醫療選擇時會有怎樣的變化？更現實一些，醫療保險現在已經與健康追蹤數據掛鉤，保險公司也在研究用人工智慧計算保費的模型，那麼重症病人是否會在早期就被保險公司棄之不顧？

如此應用的可能不會是 Google，但是眾多為人工智慧技術尋找出路的公司會怎麼選擇？

題圖來自 Visual Hunt

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！