“突发性死亡”的终结者
摘要： 医疗AI历史性的一刻，让科技真正的转化为延续人类生命的方法。作者通过对斯坦福大学医院数据的汇总，开发了一套深度学习系统，并生成一篇论文。该论文在2017年IEEE生物信息学和生物医学国际会议上获得最佳学习论文奖。
改善住院病人临终关怀的质量是医疗保健机构的首要任务。研究表明，医生倾向于高预估后，与治疗惯性相结合导致患者得不到最好的治疗方案而离世。我们介绍了一个方法来解决这个问题，使用深度学习和电子健康记录（EHR）数据，这个项目经过机构审查委员会的批准后，目前正在学术医疗中心试点。
1.终结者的初衷
在美国，80%的人都希望在家中度过最后的日子，但是实际上只有20%。其他的超过60%的人都死在精神病院中，大部分病人总是在最后几天积极的接受治疗，但是，那样已经为时已晚。
我们建立了一个深度学习系统，通过检查住院患者的电子健康记录数据来确定未来3——12个月内死亡风险高的患者。这样这些患者就有可能接受到最好的治疗和护理。但，这并不是这个系统的最终目标，我们希望它能够帮助更多的看起来普通的人，帮助他们提前预知自己的身体状况。
2.最丰富的训练数据及可接受的训练结果
我们的模型是一个18层的深层神经网络，输入患者的HER数据，它就可以输出未来3——12个月的死亡概率。这个深层神经网络是我们基于对斯坦福大学医院电子健康记录数据库的历史数据进行训练得到的，该数据库包含超过200万名患者的数据，训练该模型以预测未来3——12个月内患者死亡的概率。训练使用了患者过去12个月的HER数据，包括：诊断代码，程序代码，药物代码和一些对日常患者的细节描述。所有的这些数据被转换为13654维度的特征向量，经过训练，模型在交叉验证时达到0.93的AUROC和0.69的平均精确度得分。
3.系统的可解释性高
预测的可解释性对于建立机器学习系统来说是非常重要的。我们的程序使用了精细的消融技术生成报告，突出了病人HER数据的关键因素，这些因素有助于做出更高准确性的预测。这也间接的保障了病人的权利。
本文由阿里云云栖社区组织翻译。
