深度學習如何改變醫療保健第 2 部分：預防

上週我們談到了人工智能如何改變醫生診斷疾病的方式。

但是，與快速、廉價和準確的診斷一樣重要的是，有一件事甚至更好：預防。

本週，我們將深入探討人工智能如何改變醫生預測和預防疾病和住院的方式。

及時的預測將有助於預防疾病

根據美國醫療保健研究和質量機構的估計，美國醫院每年有 440 萬不必要的患者入院，耗資 308 億美元。

只有兩種疾病——心髒病和糖尿病並發症——佔所有不必要住院的一半。

心髒病信息圖（來源：赫芬頓郵報）

以下是深度學習如何幫助預測和避免與心髒病和糖尿病相關的負面健康事件的一些示例：

• 波士頓大學信息與系統工程中心的研究人員一直在與當地醫院合作，監測患有心髒病和糖尿病的患者，並預測其中哪些患者需要住院治療。 如果醫療保健提供者能夠在需要幫助之前預測誰需要幫助，他們就可以防止許多此類住院治療。 研究人員使用的深度學習模型可以以 82% 的準確率預測誰需要提前一年住院。

• Sutter Health 和佐治亞理工學院的研究人員現在可以使用深度學習來預測心力衰竭，在醫生使用傳統方法之前長達 9 個月分析電子健康記錄。
• 皇家飛利浦董事長兼首席執行官 Frans Von Houten 在 5 月告訴 CNBC，他的公司現在使用 AI 來準確預測患者是否會在心髒病發作前數小時發生。

但人工智能不僅僅是幫助預防突發的醫療保健事件。 它還有助於阻止持續的退化。

例如，糖尿病視網膜病變是工作年齡成年人失明的主要原因。

糖尿病視網膜病變圖（來源：news-medical.net）

這種與糖尿病相關的並發症是由血糖水平的峰值和下降引起的，因此準確預測血糖水平是首先通過適時的零食和胰島素注射來防止血糖水平下降和峰值的關鍵。

2017 年 7 月的一篇論文表明，執行深度學習的深度神經網絡可以從一組糖尿病兒童身上學習如何準確預測一大群兒童的血糖水平（以防止這些下降和峰值）。

對基因如何導致疾病的理解將加深

用人工智能預防疾病的另一種方法是根據他們的基因構成預測誰會患上某些疾病。

根據 Gartner 醫療保健分析師 Richard Gibson 的說法，基因“可能是有史以來對醫療保健造成的最大衝擊，絕對是自 1950 年抗生素問世以來”。

具體來說，隨著研究人員以前所未有的水平收集基因組學數據，並且深度學習模型使分析數據和繪製連接比以往任何時候都更加容易，我們正在學習大量關於突變等遺傳因素如何導致疾病的信息。

這些進步正在導致個性化或“精準”醫學，其目標是根據每個患者的基因組構成定制治療。

您的基因組是構建“您”的完整化學指令集。 儘管基因組學仍處於起步階段，但仍有一些項目取得了長足的進步。 例如，多倫多大學的一組研究人員正在努力建立一個基因解釋引擎，以快速識別個體患者的致癌突變。

同樣在多倫多，一家名為 Deep Genomics 的初創公司將深度學習模型應用於龐大的遺傳信息和醫療記錄數據集，以將遺傳變異與相應的疾病相匹配。

這兩個組織都使用 AI 計算平台，Nvidia GPU 作為他們的模型。

使用正確的軟件為深度學習做準備

雖然 Nvidia 製造的 GPU 對於運行深度學習算法至關重要，但您還需要專門的軟件來使醫療保健 AI 成為現實。

波士頓大學小組能夠比僅靠醫生更準確地預測誰需要住院，因為他們使用了深度神經網絡 (DNN)。

DNN 可以分析多達 200 個因素，例如健康史和人口統計信息，以識別與未來疾病相關的因素。 然而，為了使 DNN 模型工作，它需要來自 EHR 記錄的數據。

一個潛在的挑戰是 EHR 通常將此類數據存儲在大文本塊中。 例如，EHR 可能會在“註釋”部分記錄患者的抑鬱病史，其中醫生會寫下“患者的母親患有抑鬱情緒”以及當前的投訴、問題等。

但是，為了工作，人工智能模型需要結構良好的數據。 如果有一個名為“家族史”的列和“抑鬱症”旁邊的複選框，那麼機器更容易解析患者有抑鬱症家族史。

Andreessen Horowitz 合夥人 Frank Chen 告訴《財富》雜誌，很快深度學習將成為“人們構建複雜軟件應用程序的必要條件”。

大多數風險投資家，包括那些投資 SaaS 初創公司的人，甚至不知道五年前的深度學習是什麼。 今天，投資者“對沒有它的初創公司持謹慎態度，”陳說。

同樣，您應該警惕不會創建和存儲與深度學習模型一起使用的結構良好的數據的 EHR。 您甚至可以尋找將 AI 嵌入其臨床文檔功能的 EHR，例如 Epic 與 Nuance 的合作。

然而，根據 FACP 醫學博士 Anil Jain 和 IBM Watson Health 副總裁兼首席健康信息官的說法，大多數 EHR 系統暫時不會嵌入人工智能。 在這些情況下，您可以選擇將 AI 功能集成到您現有的 EHR 中。 從現在開始，大多數醫療保健系統將不得不開發和部署人工智能作為附加功能。

這就是 Intermountain Healthcare 對 EHR 所做的，在 Cerner 中構建了 150 多個協議。 對於每個協議，Cerner 在收到表明某種醫療狀況的患者信息時都會發出警報，然後指導臨床醫生完成建議的進一步檢查和潛在治療。

過去，構建這些協議需要 12 名醫生、護士和分析專家，並且需要一年多的時間。 但是，通過與 Intermountain 合作，它們可以在 10 天內建成，無需人工。

當您與軟件銷售人員交談時，無論您是在尋找 EHR 軟件還是醫療實踐管理軟件，重要的是要知道要問哪些問題。

向 VC 合夥人 Chen 學習並提出以下問題：

• “你的自然語言處理版本在哪裡？”
• “我如何與你的應用程序對話，這樣我就不必點擊菜單了？”

下一步

目前，大型研究中心和醫療保健系統正在開發深度學習模型，這些模型可以預測和預防疾病和住院，並發現哪些基因與未來的疾病和紊亂有關。

在比較 EHR 軟件時，請向候選名單上的供應商詢問他們提供的任何 AI 功能或集成。 例如，數據是存儲在文本塊中還是更結構化？

理想情況下，您應該選擇內置 AI 功能的 EHR，或者可以與深度學習模型集成的 EHR。