当前位置: 首页 » 行业资讯 » 机器人»帮助医生做出更好的医疗决策,机器学习是如何做的?
   

帮助医生做出更好的医疗决策,机器学习是如何做的?

 46.1K
     [点击复制]
放大字体  缩小字体 发布日期:2017-09-09   浏览次数:1007
核心提示:  大夫们老是会被来自图标、测试成果和其他目标的信息所困扰。在停止及时医治决议计划的时刻,大夫们老是很难整合、监测多个患者的一切数据,特殊是当病院的数据记载纷歧致的时刻。  麻省理工学院的盘算机迷信和

  大夫们老是会被来自图标、测试成果和其他目标的信息所困扰。在停止及时医治决议计划的时刻,大夫们老是很难整合、监测多个患者的一切数据,特殊是当病院的数据记载纷歧致的时刻。

  麻省理工学院的盘算机迷信和人工智能试验室(CSAIL)的研讨人员,在一则新文章中商量了一个成绩:盘算机若何赞助大夫做出更好的医疗决议计划?

  这个团队创立了一种名为“ICU干涉”的机械进修办法,这类办法须要年夜量的重症监护室(ICU)的数据,来肯定分歧症状须要哪些医治办法。这个体系应用了“深度进修”,停止及时猜测,从曩昔的ICU案例中进修,为重症监护提出建议,同时还会说明这些决议面前的缘由。

帮助医生做出更好的医疗决策,机器学习是如何做的?

  博士生Harni Suresh,也是ICU干涉一文的重要作者,说:“这个体系能够有助于ICU的大夫在高压力、高需求的情况下,让他们应用医疗记载中的数据,来改良医疗保健,并猜测可实行的办法。”

  同时,另外一个团队开辟了一种被称为“EHR模子转移”的办法,这类办法虽然是由分歧EHR体系的数据停止的培训,但照样能增进在电子安康记载(EHR)体系上的猜测模子的运用。详细来讲,这类办法,可以在一个EHR体系上练习逝世亡率、延伸勾留时光的猜测模子,并用于另外一个EHR体系。

  ICU干涉由Suresh、Nathan Hunt(本科生)、Alistair Johnson(博士后)、Leo Anthony Celi(研讨员)、Peter Szolovists(麻省理工学院传授)、Marzyeh Ghassemi(博士生)配合开辟,是在这个月的“波士顿医疗机械进修会议”上提出的。

  EHR模子转移是由CASIL的博士生Jen Gong和Tristan Naumann,和电气工程传授Szolovists和John Guttag配合开辟的,是在加拿年夜哈利法克斯的“常识发明和数据发掘特殊兴致小组”上提出的。

  这两种模子的培训都应用了来自主要护理数据库MIMIC的数据,个中包含来自信约4万名重症监护病人的未肯定数据,由麻省理工学院盘算心理学试验室开辟的。

  赞助大夫做出更好的医疗决议计划,机械进修是若何做的?

  ICU干涉

  综合ICU数据,关于让猜测患者安康成果的进程主动化,长短常主要的。

  Suresh说:“之前在临床决议计划中,很多任务都集中在逝世亡率等成果上,而这项任务则猜测了可行的医治办法。另外,这个体系能应用单一模子,来猜测多种成果。”

  ICU干涉专注于每小时猜测涵盖各类症结护理须要的5种分歧干涉办法,好比呼吸帮助、改良血汗管功效、下降血压、流体医治。

  在每一个小时,体系从代表性命体征的数据,和临床笔记和其他数据点中提取数值。一切数据都用数值表现,表现患者距均匀值的差距,来评价进一步医治办法。

  主要的是,ICU干涉可以对将来做出猜测!好比,这个模子可以猜测6小时后(而不是30分钟或1小时后)患者能否须要呼吸机。这个团队还专注于为模子的猜测供给推力,为大夫供给更多的看法。

  斯坦福年夜学副传授Nigam Shah说:“基于神经收集的深层神经猜测模子,老是被业内子士批驳。但是,这些作者高度精确地猜测了医疗干涉的开端和停止,而且能证实他们做出的猜测的可说明性。”

  团队还发明,这个体系在猜测干涉办法办法方面,比之前的办法更精彩,而且特殊善于于猜测血管加压素的须要,这是一种收紧血管、进步血压的药物。

  未来,研讨人员会尽力改良ICU干涉,以便赐与更多的特性化护理,并为决议计划供给更先辈的推力,好比为何一个患者能削减类固醇,或许为何另外一个患者须要像内镜检讨等等。

帮助医生做出更好的医疗决策,机器学习是如何做的?

  EHR模子转移

  应用ICU数据的另外一个主要身分是存储方法,和当存储方法产生变更是会产生甚么。现有的机械进修模子,须要用分歧的方法来编码数据,是以,病院常常转变他们的EHR体系,这能够会对数据剖析和猜测形成严重成绩。

  这就是EHR模子转移想处理的成绩。这类办法实用于分歧版本的EHR平台,应用天然说话处置,来辨认跨体系编码的临床概念,然后将其映照到一组罕见的临床概念(好比血压、心率等)。

  好比,一个EHR平台中的病人,能够须要换病院,还须要把他的数据传输到分歧类型的平台。而EHR模子转移,能确保该模子可以或许猜测患者ICU拜访的各个方面,好比历久逗留或逝世亡的能够性。

  Shah说:“机械进修模子在卫生保健这块,老是略显低效、便携性差。他们做了个不错的设计,让模子在一个体系接收培训,然后在别的体系表示优越。我很愉快看到如许发明性地应用科技加上医学常识,来改良猜测模子的可移植性。”

  经由过程EHR模子转移,团队测试了他们模子猜测两种成果的才能:逝世亡率和历久勾留的须要。他们在一个EHR平台长进行了练习,然后在分歧的平台上测试,发明EHR模子转移优于基线办法。

  将来,EHR模子转移小组筹划对其他病院和护理机构的数据、EHR体系停止评价。

  上述两种办法都获得了英特尔年夜数据科技中间和国度医学藏书楼的支撑。EHR模子转移的论文,还获得了国度迷信基金和广达电脑无限公司的支撑。

只要你关注机器人,你就无法错过睿慕课

 
 
 
[ 行业资讯搜索 ]  [ 加入收藏 ]  [ 告诉好友 ]  [ 打印本文 ]  [ 关闭窗口 ]