将深度学习的应用扩展至电子健康记录

文 / Alvin Rajkomar 医学博士和 Eyal Oren 博士 Google AI 医疗保健团队

2018 年，我们发表了一篇论文，其中阐述了机器学习在应用于医疗记录时如何预测住院患者可能遇到的情况，例如患者需要住院多久、出院后意外回到医院的可能性有多大。其他研究人员已经在医院环境中部署了各种预测模型，而我们的研究旨在进一步提升潜在的临床效果，方法是使用预测速度更快、更准确，也更能适应更广泛临床情况的新模型。

证明机器学习前景的任何努力都需要工程师、医生和医疗研究人员紧密协作，以确保研究能使患者、医生和健康系统受益并能做到公平公正。Google 已经有幸与全球一些最顶尖的学术医疗中心开展合作，现在我们正将此项研究推广到总部位于犹他州的 Intermountain Healthcare。 

我们的首次合作将重心放在了解 Google 如何让机器学习预测适应 Intermountain 的各种护理情况，包括初级保健诊所乃至远程监护周边医院重症患者的 TeleHealth 重症监护病房。在探索如何让具备预测功能的可扩容计算平台协助临床团队提供出色的护理服务时，我们发现了其中的潜力。

与之前的研究一样，我们首先会共同测试机器学习模型在健康历史记录方面的性能，并会遵循严格的政策以确保符合所有数据隐私原则和安全措施。 

我们非常高兴能够探索如何让具备预测功能的可扩容计算平台在这些环境中协助临床团队提供出色的护理服务。此外，我们还希望进一步验证我们的预测方法能否在不同健康系统中发挥作用，并能提升患者护理水平。