深度学习如何改变医疗保健第 2 部分：预防

上周我们谈到了人工智能如何改变医生诊断疾病的方式。

但是，与快速、廉价和准确的诊断一样重要的是，有一件事甚至更好：预防。

本周，我们将深入探讨人工智能如何改变医生预测和预防疾病和住院的方式。

及时的预测将有助于预防疾病

根据美国医疗保健研究和质量机构的估计，美国医院每年有 440 万不必要的患者入院，耗资 308 亿美元。

只有两种疾病——心脏病和糖尿病并发症——占所有不必要住院的一半。

心脏病信息图（来源：赫芬顿邮报）

以下是深度学习如何帮助预测和避免与心脏病和糖尿病相关的负面健康事件的一些示例：

• 波士顿大学信息与系统工程中心的研究人员一直在与当地医院合作，监测患有心脏病和糖尿病的患者，并预测其中哪些患者需要住院治疗。 如果医疗保健提供者能够在需要帮助之前预测谁需要帮助，他们就可以防止许多此类住院治疗。 研究人员使用的深度学习模型可以以 82% 的准确率预测谁需要提前一年住院。

• Sutter Health 和佐治亚理工学院的研究人员现在可以使用深度学习来预测心力衰竭，在医生使用传统方法之前长达 9 个月分析电子健康记录。
• 皇家飞利浦董事长兼首席执行官 Frans Von Houten 在 5 月告诉 CNBC，他的公司现在使用 AI 来准确预测患者是否会在心脏病发作前数小时发生。

但人工智能不仅仅是帮助预防突发的医疗保健事件。 它还有助于阻止持续的退化。

例如，糖尿病视网膜病变是工作年龄成年人失明的主要原因。

糖尿病视网膜病变图（来源：news-medical.net）

这种与糖尿病相关的并发症是由血糖水平的峰值和下降引起的，因此准确预测血糖水平是首先通过适时的零食和胰岛素注射来防止血糖水平下降和峰值的关键。

2017 年 7 月的一篇论文表明，执行深度学习的深度神经网络可以从一组糖尿病儿童身上学习如何准确预测一大群儿童的血糖水平（以防止这些下降和峰值）。

对基因如何导致疾病的理解将加深

用人工智能预防疾病的另一种方法是根据他们的基因构成预测谁会患上某些疾病。

根据 Gartner 医疗保健分析师 Richard Gibson 的说法，基因“可能是有史以来对医疗保健造成的最大冲击，绝对是自 1950 年抗生素问世以来”。

具体来说，随着研究人员以前所未有的水平收集基因组学数据，并且深度学习模型使分析数据和绘制连接比以往任何时候都更加容易，我们正在学习大量关于突变等遗传因素如何导致疾病的信息。

这些进步正在导致个性化或“精准”医学，其目标是根据每个患者的基因组构成定制治疗。

您的基因组是构建“您”的完整化学指令集。 尽管基因组学仍处于起步阶段，但仍有一些项目取得了长足的进步。 例如，多伦多大学的一组研究人员正在努力建立一个基因解释引擎，以快速识别个体患者的致癌突变。

同样在多伦多，一家名为 Deep Genomics 的初创公司将深度学习模型应用于庞大的遗传信息和医疗记录数据集，以将遗传变异与相应的疾病相匹配。

这两个组织都使用 AI 计算平台，Nvidia GPU 作为他们的模型。

使用正确的软件为深度学习做准备

虽然 Nvidia 制造的 GPU 对于运行深度学习算法至关重要，但您还需要专门的软件来使医疗保健 AI 成为现实。

波士顿大学小组能够比仅靠医生更准确地预测谁需要住院，因为他们使用了深度神经网络 (DNN)。

DNN 可以分析多达 200 个因素，例如健康史和人口统计信息，以识别与未来疾病相关的因素。 然而，为了使 DNN 模型工作，它需要来自 EHR 记录的数据。

一个潜在的挑战是 EHR 通常将此类数据存储在大文本块中。 例如，EHR 可能会在“注释”部分记录患者的抑郁病史，其中医生会写下“患者的母亲患有抑郁情绪”以及当前的投诉、问题等。

但是，为了工作，人工智能模型需要结构良好的数据。 如果有一个名为“家族史”的列和“抑郁症”旁边的复选框，那么机器更容易解析患者有抑郁症家族史。

Andreessen Horowitz 合伙人 Frank Chen 告诉《财富》杂志，很快深度学习将成为“人们构建复杂软件应用程序的必要条件”。

大多数风险投资家，包括那些投资 SaaS 初创公司的人，甚至不知道五年前的深度学习是什么。 今天，投资者“对没有它的初创公司持谨慎态度，”陈说。

同样，您应该警惕不会创建和存储与深度学习模型一起使用的结构良好的数据的 EHR。 您甚至可以寻找将 AI 嵌入其临床文档功能的 EHR，例如 Epic 与 Nuance 的合作。

然而，根据 FACP 医学博士 Anil Jain 和 IBM Watson Health 副总裁兼首席健康信息官的说法，大多数 EHR 系统暂时不会嵌入人工智能。 在这些情况下，您可以选择将 AI 功能集成到您现有的 EHR 中。 从现在开始，大多数医疗保健系统将不得不开发和部署人工智能作为附加功能。

这就是 Intermountain Healthcare 对 EHR 所做的，在 Cerner 中构建了 150 多个协议。 对于每个协议，Cerner 在收到表明某种医疗状况的患者信息时都会发出警报，然后指导临床医生完成建议的进一步检查和潜在治疗。

过去，构建这些协议需要 12 名医生、护士和分析专家，并且需要一年多的时间。 但是，通过与 Intermountain 合作，它们可以在 10 天内建成，无需人工。

当您与软件销售人员交谈时，无论您是在寻找 EHR 软件还是医疗实践管理软件，重要的是要知道要问哪些问题。

向 VC 合伙人 Chen 学习并提出以下问题：

• “你的自然语言处理版本在哪里？”
• “我如何与你的应用程序对话，这样我就不必点击菜单了？”

下一步

目前，大型研究中心和医疗保健系统正在开发深度学习模型，这些模型可以预测和预防疾病和住院，并发现哪些基因与未来的疾病和紊乱有关。

在比较 EHR 软件时，请向候选名单上的供应商询问他们提供的任何 AI 功能或集成。 例如，数据是存储在文本块中还是更结构化？

理想情况下，您应该选择内置 AI 功能的 EHR，或者可以与深度学习模型集成的 EHR。