MIT 最新 AI 醫療系統公布：“重癥監護室干預” 與”電子醫療檔案模型遷移“

　　在最新的一組論文中，MIT 計算機科學(xué)與人工智能實(shí)驗室 CSAIL 的研究員，提出了兩套幫助醫生更好做治療方案決策的系統。

　　一支團隊開(kāi)發(fā)了一套名為 “ICU Intervene” ，即“重癥監護室干預”的機器學(xué)習系統。大量重癥監護室(ICU)的數據，從病人關(guān)鍵生命體征、之前醫生的治療備注，到人口統計學(xué)信息，都會(huì )被整合到一起，以幫助醫生做出決策——哪些治療方案最適合當前病人的癥狀。該系統使用深度學(xué)習來(lái)做出實(shí)時(shí)預測，從過(guò)去的 ICU 案例中學(xué)習，對當前情況嚴重的病例(病危護理)做出推薦，并能對其背后的原因與邏輯做出解釋。

　　ICU Intervene 論文的第一作者、MIT 博士生 Harini Suresh 表示：

　　“這套系統有潛力成為 ICU 值班醫生的助手，這些醫生的工作環(huán)境有巨大壓力以及極高要求。這項研究的目標是充分利用醫療記錄的數據，提高醫療水平，并對必要的干預提前做出預測。”

　　另一支團隊開(kāi)發(fā)的系統被稱(chēng)為“EHR Model Transfer” ，即“EHR 模型遷移”。它能推動(dòng)跨電子醫療檔案系統(EHR)預測模型的落地。也就是說(shuō)，用一套 EHR 的數據訓練出來(lái)的預測模型，能夠遷移到另一套 EHR 系統上進(jìn)行應用，做出有效預測。該團隊發(fā)現，“EHR 模型遷移”能對病人的死亡率、住院延長(cháng)時(shí)間做有效預測。

　　兩套系統都使用病危護理數據庫 MIMIC 進(jìn)行訓練，后者包含四萬(wàn)個(gè)病危病例的脫敏數據，由 MIT 生理計算實(shí)驗室(MIT Lab for Computational Physiology)開(kāi)發(fā)。