MIT 最新 AI 醫(yī)療系統(tǒng)公布：“重癥監(jiān)護室干預” 與”電子醫(yī)療檔案模型遷移“!

對于醫(yī)生來說，跟蹤病人的檢查結果、圖表和其他指標是一件非常耗時但又必要的事情:

想象一下，一個普通醫(yī)生每天要面對多個病人。他要把他們的數(shù)據(jù)找出來，整合到自己的大腦里，然后決定采用哪種治療方案。當患者資料不是特別全的情況下，比如之前在另一家醫(yī)院醫(yī)院的檢查治療，患者手頭沒有全部的檢查單據(jù)，會浪費醫(yī)生很多時間(比如之前聯(lián)系醫(yī)院或者復檢)。

據(jù)雷鋒網(wǎng)報道。在最新的一組論文中，來自麻省理工學院計算機科學和人工智能實驗室CSAIL的研究人員提出了兩個系統(tǒng)，以幫助醫(yī)生在治療方案上做出更好的決定。

一個團隊開發(fā)了一個名為“ICU Intervene”的機器學習系統(tǒng)，即“重癥監(jiān)護室干預”。大量的重癥監(jiān)護室(ICU)數(shù)據(jù)，從患者的生命體征、之前醫(yī)生的治療記錄，到人口統(tǒng)計學信息，都將被整合在一起，幫助醫(yī)生做出決策——哪種治療方案最適合當前患者的癥狀。該系統(tǒng)利用深度學習進行實時預測，從過去的ICU病例中學習，對當前的重癥病例(重癥監(jiān)護)提出建議，并解釋其背后的原因和邏輯。

ICU Intervene論文的第一作者、麻省理工學院博士生Harini Suresh說:

“這個系統(tǒng)有潛力成為ICU值班醫(yī)生的助手。這些醫(yī)生的工作環(huán)境壓力極大，要求也很高。這項研究的目標是充分利用醫(yī)療記錄的數(shù)據(jù)，提高醫(yī)療的水平，并提前預測必要的干預措施?！?/p>

另一個團隊開發(fā)的系統(tǒng)被稱為“EHR模型轉(zhuǎn)移”，即“EHR模型轉(zhuǎn)移”。可以促進跨電子醫(yī)療文件系統(tǒng)(EHR)預測模型的落地。也就是說，用一套EHR數(shù)據(jù)訓練的預測模型可以移植到另一套EHR系統(tǒng)中進行應用和有效預測。研究小組發(fā)現(xiàn)，“EHR模型遷移”可以有效地預測病人的死亡率和住院時間。

這兩個系統(tǒng)都由MIMIC訓練，MIMIC是一個危急護理數(shù)據(jù)庫，包含4萬個危急病例的脫敏數(shù)據(jù)，由麻省理工學院計算生理學實驗室開發(fā)。

通過麻省理工學院