MIT以机器学习创新病患照护概念

  • DIGITIMES张殷绮

医生通常必须观察各种图表、检验报告以及相关数据,但要监控不同病患的所有数据、还要实时做出诊疗决策往往面临困难,尤其不同医院又有不同的病例格式。

MIT News报导,现在MIT信息科学与人工智能实验室(CSAIL)的研究人员,希望用人工智能(AI)来协助医师做出更好的医疗决定。

其中一个团队开发出机器学习方法,名为「急诊介入」(ICU Intervene),使用大量的急诊数据来决定不同症状需要使用哪里一种治疗方法。

该系统使用「深度学习」来做出预测,从过去的急诊案例学习、并做出建议,同时还会解释这些决策的背后原因。「急诊介入」会每个小时追踪五种不同的介入方式,包括呼吸辅助,改善心血管功能、降低血压以及流体疗法等。

另一个团队开发出「电子病例模型转移」(HER Model Transer),可透过电子病例系统产生预测模型,即使是不同电子病例系统也可以进行训练。

这两种模式,都是从重症加护数据库MIMIC的数据来进行训练,其中包括4万名加护病房病患的匿名数据,由MIT运算生理学实验室所开发。

「电子病例模型转移」考量到目前各家医院经常改变其电子病例系统,该模型可以适用于不同的电子病例平台,使用自然语言来找出不同系统中的医疗概念,将其配对后形成统一的医疗概念。

举例来说,病患可能会转院,因此其病例必须跟著移转;该情况下依然可以有效预测病患送急诊、长期住院、甚至死亡的可能性。