有許多關(guān)于人工智能在醫(yī)學(xué)領(lǐng)域大踏步前進(jìn)的頭條研究，但現(xiàn)實(shí)可能在某種程度上更加平淡無(wú)奇。在醫(yī)院和臨床醫(yī)生辦公室里使用的東西可能要簡(jiǎn)單得多，而且遠(yuǎn)不像你想象的那么像人工智能。

谷歌的DeepMind部門本周發(fā)表的兩篇研究論文顯示，深度學(xué)習(xí)的前沿工具與醫(yī)生日常工作自動(dòng)化的簡(jiǎn)陋軟件之間存在差距。

在最新一期的《自然》(Nature)雜志上，DeepMind的研究人員公布了一項(xiàng)深度學(xué)習(xí)項(xiàng)目的結(jié)果，該項(xiàng)目能夠在癥狀出現(xiàn)前48小時(shí)預(yù)測(cè)住院患者的腎衰竭，其準(zhǔn)確性遠(yuǎn)遠(yuǎn)高于現(xiàn)有的計(jì)算機(jī)程序。

同樣是在本周，DeepMind團(tuán)隊(duì)公布了一項(xiàng)第三方調(diào)查的結(jié)果，該調(diào)查針對(duì)的是一個(gè)名為“Streams”的電腦程序的使用情況。該程序不使用人工智能，但可以為醫(yī)生提供一些有用的信息，比如病人的警告信號(hào)。

第一個(gè)項(xiàng)目是深度學(xué)習(xí)項(xiàng)目(deep learning one)，還有一些方法需要付諸實(shí)踐，而Streams軟件已經(jīng)被醫(yī)生和醫(yī)院?jiǎn)T工使用。

舊的醫(yī)生獲取提醒的方式(頂部)和基于DeepMind“Streams”應(yīng)用程序的新“數(shù)字通道”(底部)的比較。主要的創(chuàng)新是讓醫(yī)生在手機(jī)上收到警報(bào)。

第一篇論文《持續(xù)預(yù)測(cè)未來急性腎損傷的臨床應(yīng)用方法》討論的是患者已經(jīng)住院后發(fā)生的“不良事件”?！凹毙阅I臟損傷”(acute kidney injury, AKI)就是其中之一。根據(jù)英國(guó)國(guó)家醫(yī)療服務(wù)體系(nhs)幫助建立的網(wǎng)站Think kidney的定義，AKI是“一個(gè)人的腎臟功能最近突然下降”。這種情況可能是由于嚴(yán)重脫水或處方藥副作用等原因造成的。

DeepMind在一篇博客文章中指出，在美國(guó)和英國(guó)，這種可能致命的疾病影響著五分之一的患者，其中30%的病例可以在病情惡化前通過適當(dāng)?shù)臋z測(cè)得到預(yù)防。AKI和其他突然出現(xiàn)的情況是機(jī)器學(xué)習(xí)挑戰(zhàn)的一部分，以預(yù)測(cè)什么會(huì)出錯(cuò)，這一直是一個(gè)可怕的問題。

正如作者所寫的那樣，“很少有預(yù)測(cè)因子能在常規(guī)的臨床實(shí)踐中找到自己的方法，因?yàn)樗鼈円慈狈τ行У拿舾行院吞禺愋?，要么?bào)告已經(jīng)存在的損害?！?

因此，DeepMind與美國(guó)退伍軍人事務(wù)部(US Department of Veterans Affairs)合作，研究神經(jīng)網(wǎng)絡(luò)能否從時(shí)間序列數(shù)據(jù)預(yù)測(cè)AKI的情況。他們?yōu)橥宋檐娙酸t(yī)院的70多萬(wàn)名病人編纂了一個(gè)數(shù)字健康記錄數(shù)據(jù)集，歷時(shí)五年，數(shù)據(jù)集中有60億個(gè)條目和62萬(wàn)個(gè)可能與AKI有關(guān)的“特征”。這些數(shù)據(jù)被貼上了標(biāo)簽，這意味著電腦得到了哪些患者最終患上了AKI的信息。

這一切都是通過“遞歸神經(jīng)網(wǎng)絡(luò)”(RNN)的最新神經(jīng)網(wǎng)絡(luò)完成的，包括一個(gè)“深度剩余嵌入”組件，它可以“學(xué)習(xí)”AKI因子的“表示”。作者強(qiáng)調(diào)這是一個(gè)單一的“端到端”網(wǎng)絡(luò)，不需要特殊的領(lǐng)域特定的網(wǎng)絡(luò)前培訓(xùn)。

作者報(bào)告說，該網(wǎng)絡(luò)顛覆了傳統(tǒng)預(yù)測(cè)方法的結(jié)果，比如所謂的“梯度增強(qiáng)樹”，即風(fēng)險(xiǎn)因素必須明確編碼到算法中，而不是像RNN模型那樣在數(shù)據(jù)中發(fā)現(xiàn)。他們的結(jié)論是，他們的工作為更有預(yù)測(cè)性的深入學(xué)習(xí)研究患者退化開辟了道路。

但仍有一些障礙需要克服。這些數(shù)據(jù)沒有性別和種族的平衡，他們需要闡明混雜因素:“未來的工作將需要解決培訓(xùn)數(shù)據(jù)中亞群體代表性不足的問題，”他們寫道，“并克服與醫(yī)院流程相關(guān)的潛在混雜因素的影響。”

第二篇發(fā)表在《互聯(lián)網(wǎng)醫(yī)學(xué)研究雜志》(Journal of Internet Medical Research)上的論文《二次護(hù)理中數(shù)字化護(hù)理路徑的用戶體驗(yàn)定性評(píng)估》(A Qualitative Evaluation of User Experiences of A digital - Enabled Care Pathway in Secondary Care)是關(guān)于Streams軟件的實(shí)際使用情況的。Streams是倫敦皇家自由醫(yī)院(Royal Free Hospital)醫(yī)生使用的iPhone手機(jī)應(yīng)用程序。它被用來通過電話向醫(yī)生發(fā)送警報(bào)，警告他們血清肌酐升高，這是一種血液中的廢物，是AKI發(fā)病的主要指標(biāo)之一。對(duì)患者的肌酐水平進(jìn)行持續(xù)監(jiān)測(cè)，并將預(yù)警信號(hào)發(fā)送給一個(gè)特別小組，以便他們優(yōu)先考慮患者，以確定誰(shuí)處于危險(xiǎn)之中。該軟件從2017年5月開始在該醫(yī)院使用。

DeepMind的研究人員在他們的博客文章中指出，Streams“目前不使用人工智能”。其功能是作為醫(yī)院信息系統(tǒng)的移動(dòng)擴(kuò)展。關(guān)鍵是要取代醫(yī)生坐在臺(tái)式電腦前評(píng)估測(cè)試中產(chǎn)生的水平，而是讓他們主動(dòng)知道水平是否在變化，是否需要注意。

新型的遞歸神經(jīng)網(wǎng)絡(luò)DeepMind構(gòu)建處理數(shù)十億數(shù)據(jù)點(diǎn)，用于急性腎損傷的早期檢測(cè)。他們強(qiáng)調(diào)，這是一個(gè)“端到端的”系統(tǒng)，不需要網(wǎng)絡(luò)的預(yù)先培訓(xùn)。

這篇論文由DeepMind員工與倫敦大學(xué)學(xué)院(University College in London)和英國(guó)國(guó)家衛(wèi)生服務(wù)(National Health Service)的研究人員合作編寫，采訪了從2017年2月到2018年5月使用該應(yīng)用的臨床醫(yī)生。他們引用了大量的采訪內(nèi)容，反饋似乎相當(dāng)積極。

腎臟學(xué)小組的一名成員說:“無(wú)論你在哪里，都能查到醫(yī)院里任何人的血液化驗(yàn)結(jié)果，這是無(wú)與倫比的?！绷硪晃会t(yī)院工作人員報(bào)告說，他們像查看電子郵件一樣查看應(yīng)用程序，“在五分鐘左右，我就可以輕松地瀏覽警報(bào)和……確定哪些是我需要看的?！?

然而，也不全是積極的。一名員工引用了應(yīng)用程序中大量誤報(bào)的“噪音”投訴。另一個(gè)抱怨說，當(dāng)不清楚是哪個(gè)臨床醫(yī)生負(fù)責(zé)應(yīng)對(duì)警報(bào)時(shí)，收到了很多警報(bào)，這造成了焦慮。

人工智能和商業(yè)的未來

機(jī)器學(xué)習(xí)、任務(wù)自動(dòng)化和機(jī)器人技術(shù)已經(jīng)廣泛應(yīng)用于商業(yè)領(lǐng)域。這些技術(shù)和其他人工智能技術(shù)將會(huì)成倍增長(zhǎng)，我們來看看組織如何才能最好地利用它們。

該研究的作者得出結(jié)論，該軟件對(duì)病人護(hù)理有“積極的影響”，“比如增強(qiáng)了“更快地干預(yù)病情惡化病人的治療”的能力。他們也承認(rèn)存在不足之處，如“與優(yōu)先就診患者數(shù)量增加和信息超載相關(guān)的焦慮，部分因假陽(yáng)性警報(bào)而加劇?！?

研究發(fā)現(xiàn)，這款應(yīng)用程序雖然看起來很有用，但在統(tǒng)計(jì)上對(duì)結(jié)果沒有顯著影響?！蹲匀弧冯s志的姐妹刊物《自然醫(yī)學(xué)》(NPJ Nature Medicine)本周發(fā)表的一篇配套論文指出，僅僅有一款應(yīng)用程序是不夠的:“我們的評(píng)估還有助于闡明，為什么僅僅使用電子提醒可能無(wú)法改善結(jié)果;我們通過將警報(bào)系統(tǒng)與特定的管理路徑相結(jié)合，證明了有必要考慮數(shù)字化干預(yù)的組織和技術(shù)方面?！?

這樣你就有了:一款尖端的軟件，它似乎能增加對(duì)病情惡化的早期檢測(cè)，并有可能挽救生命，但還不能投入使用;另一款軟件已經(jīng)在幫助醫(yī)生，但并不是治療的靈丹妙藥。目前，兩個(gè)世界在實(shí)際吸引力上是分離的。

DeepMind的研究人員在一篇相關(guān)的博客文章中建議，他們努力在某一時(shí)刻整合這兩個(gè)世界:“該團(tuán)隊(duì)現(xiàn)在打算找到將預(yù)測(cè)人工智能模型安全地整合到數(shù)據(jù)流中的方法，以便為臨床醫(yī)生提供關(guān)于病人病情惡化的智能洞察?！?