医生开错药?AI来提醒!谷歌和UCSF合作开发机器学习模型,高性能预警潜在危险

简介: 据统计,每年死于用药失误的人数比死于工伤的人数还要多。尽管没有医生或者护士愿意犯错,2%的住院病人经历过可能危及生命或造成永久伤害的药物相关事件,而这些都是由于原本可以避免的失误导致的。
云栖号资讯:【 点击查看更多行业资讯
在这里您可以找到不同行业的第一手的上云资讯,还在等什么,快来!

image

据统计,每年死于用药失误的人数比死于工伤的人数还要多。

尽管没有医生或者护士愿意犯错,2%的住院病人经历过可能危及生命或造成永久伤害的药物相关事件,而这些都是由于原本可以避免的失误导致的。

用药失误导致医疗失误的因素很多,往往都是由于不完善的系统、工具、流程或工作条件。如今,这一情况有望被AI解决。

谷歌健康的机器学习专家与加州大学旧金山分校(UCSF)计算与健康科学部门联合发表了一项新的研究,描述了研究人员建立的一个机器学习模型,该模型可以使用病人的电子健康记录(EHR)作为输入,预测医生正常应该采用的用药模式,从而在实际用药与预测结果不一致时提醒医生。

该研究发表在《临床药理学和治疗学》杂志上。

image

10万病例的300万份处方,训练两种机器学习模型

用于模型训练的数据集包括来自超过10万住院病人的大约300万份药物处方。

研究人员使用了回顾性的电子健康记录数据,所有的研究都是使用开源的快速医疗互操作资源(FHIR)格式完成的,之前有研究已经证明使用这种格式使医疗数据对于机器学习更加有效。

同时数据集并不局限于特定的疾病或治疗领域,这使得机器学习任务更具挑战性,但也有助于确保模型可以识别更多种类的情况——例如,脱水患者需要不同于创伤性损伤患者的药物治疗。

为了保护隐私,这些数据已经经过了随机移动日期和删除记录个人隐私数据的处理,包括姓名、地址、联系方式、记录号码、医生姓名、图像等等。

image

根据这些数据,研究人员训练了两种机器学习模型:一种是长时短记忆(LSTM)递归神经网络模型,另一个是常用于临床研究的规则化、时间序列的逻辑模型。

5

研究人员将这两种模型与一个简单的基准进行比较,该基准根据患者的医院服务(例如,普通内科、普通外科、妇产科、心脏病学等)和入院后的时间长短,对最常使用的药物进行排序。在回顾性数据中,医生每次开出一种药物时,模型对990种可能的药物进行排序,然后研究人员再看模型与医生实际开出的药物处方相吻合。

打个比方,假设一个有感染迹象的病人到达医院,该模型回顾了病人电子健康记录中记录的信息:高温、白细胞数量升高、呼吸频率加快,并估计了在这种情况下不同药物的处方可能性,将模型给出的概率最高的几种药物与与医生实际处方的药物(在这个例子中,抗生素万古霉素和氯化钠溶液)相对比。

一半情况下,实际处方在模型给出的前十结果中

在最后的6383组测试数据中,结果还是比较可靠的。

几乎所有(93%)的情况下,模型给出的药物中排名前10中,都包含至少一种临床医生一天之后实际会开出的药物;

image

55%的情况下,模型将医生开的所有处方药包括在最有可能的10种处方药中;

image

75%的情况下,模型将医生开的所有处方药包括在最有可能的25种处方药中;

即使对于“假阴性”(医生要求的药物没有出现在前25位的结果中) ,42%的情况下该模型会将同类药物纳入排名。

这种表现不能用仅仅预测先前处方药的模型来解释,即使我们在应用模型时屏蔽了以前的处方,它仍然保持了高性能。

这对医生和病人来说意味着什么?

值得注意的是,这种方式训练的模型只是对医生的行为的重现,因为它出现在历史数据,模型并没有学到如何开具最佳的处方——这些药物工作机理是什么,或什么副作用可能会发生。

然而,学习“正常”的处方是为了最终发现不正常、有潜在危险的处方。研究人员表示,在下一阶段的研究中,他们将检查在什么情况下,这些模型可以发现可能造成伤害的药物误用。

这是一项探索性的工作,结果表明机器学习可以应用于建立防止用药错误,帮助保护患者安全。

研究人员表示期待着与医生、药剂师、其他临床医生和患者合作,以量化这样的模型是否能够及时捕捉到用药错误,帮助保证患者在医院的安全。

相关报道:
https://ai.googleblog.com/2020/04/a-step-towards-protecting-patients-from.html

【云栖号在线课堂】每天都有产品技术专家分享!
课程地址: https://yqh.aliyun.com/live

立即加入社群,与专家面对面,及时了解课程最新动态!
【云栖号在线课堂 社群】https://c.tb.cn/F3.Z8gvnK

原文发布时间:2020-04-12
本文作者:文摘菌
本文来自:“大数据文摘”,了解相关信息可以关注“大数据文摘

目录
打赏
0
0
0
0
3848
分享
相关文章
高考理科题AI秒解!昆仑万维开源多模态推理模型 Skywork-R1V 2.0
Skywork-R1V 2.0是昆仑万维最新开源的多模态推理模型,通过混合强化学习和多模态奖励模型实现复杂推理任务,在理科题目解答和科研分析中展现出色性能。
150 11
高考理科题AI秒解!昆仑万维开源多模态推理模型 Skywork-R1V 2.0
「社会实验室」成真!SocioVerse:复旦联合小红书开源社会模拟世界模型,用AI预演群体行为
SocioVerse是由复旦大学联合小红书等机构开源的社会模拟框架,基于大语言模型和千万级真实用户数据构建,能精准模拟群体行为并预测社会事件演化趋势。
117 2
「社会实验室」成真!SocioVerse:复旦联合小红书开源社会模拟世界模型,用AI预演群体行为
AI生成视频告别剪辑拼接!MAGI-1:开源自回归视频生成模型,支持一镜到底的长视频生成
MAGI-1是Sand AI开源的全球首个自回归视频生成大模型,采用创新架构实现高分辨率流畅视频生成,支持无限扩展和精细控制,在物理行为预测方面表现突出。
241 1
AI生成视频告别剪辑拼接!MAGI-1:开源自回归视频生成模型,支持一镜到底的长视频生成
【解决方案】DistilQwen2.5-DS3-0324蒸馏小模型在PAI-ModelGallery的训练、评测、压缩及部署实践
DistilQwen 系列是阿里云人工智能平台 PAI 推出的蒸馏语言模型系列,包括 DistilQwen2、DistilQwen2.5、DistilQwen2.5-R1 等。本文详细介绍DistilQwen2.5-DS3-0324蒸馏小模型在PAI-ModelGallery的训练、评测、压缩及部署实践。
AI 搜索开放平台重磅发布:Qwen3 模型上线啦
阿里云AI搜索开放平台重磅发布最新Qwen3模型,为企业和开发者提供全栈智能搜索解决方案。Qwen3作为最新一代大模型,在推理、多语言支持和Agent能力上表现卓越。用户可通过三步快速体验Qwen3服务,助力业务在AI时代抢占先机。
180 12
PAI-Model Gallery云上一键部署阶跃星辰新模型Step1X-Edit
4月27日,阶跃星辰正式发布并开源图像编辑大模型 Step1X-Edit,性能达到开源 SOTA。Step1X-Edit模型总参数量为19B,实现 MLLM 与 DiT 的深度融合,在编辑精度与图像保真度上实现大幅提升,具备语义精准解析、身份一致性保持、高精度区域级控制三项关键能力;支持文字替换、风格迁移等11 类高频图像编辑任务类型。在最新发布的图像编辑基准 GEdit-Bench 中,Step1X-Edit 在语义一致性、图像质量与综合得分三项指标上全面领先现有开源模型,比肩 GPT-4o 与 Gemin。PAI-ModelGallery 支持Step1X-Edit一键部署方案。
mlop.ai 无脑使用教程 (机器学习工具 WandB/ClearML 的首个国区开源平替)
mlop.ai 是首个为国区用户优化的机器学习工具,全栈免费开源,是主流付费解决方案 ClearML/WandB 的开源平替。常规实验追踪的工具经常大幅人为降速,mlop因为底层为Rust代码,能轻松支持高频数据写入。如需更多开发者帮助或企业支持,敬请联系cn@mlop.ai
68 12
mlop.ai 无脑使用教程 (机器学习工具 WandB/ClearML 的首个国区开源平替)
阿里云PAI-全模态模型Qwen2.5-Omni-7B推理浅试
阿里云PAI-全模态模型Qwen2.5-Omni-7B推理浅试
142 11
阿里云AI Stack全量适配Qwen3模型,企业级部署效率全面升级
2025年4月29日的凌晨5点,阿里全新一代模型通义千问Qwen3正式发布并全部开源8款「混合推理模型」,包含: 6款Dense模型:0.6B、1.7B、4B、8B、14B、32B。 2款MoE模型:Qwen3-30B-A3B和旗舰版Qwen3-235B-A22B。 阿里云AI Stack已适配全量Qwen3模型,可快速部署实现Qwen3模型的开箱即用!
111 4
Qwen3 全尺寸模型支持通过阿里云PAI-ModelGallery 一键部署
Qwen3 是 Qwen 系列最新一代的大语言模型,提供了一系列密集(Dense)和混合专家(MOE)模型。目前,PAI 已经支持 Qwen3 全系列模型一键部署,用户可以通过 PAI-Model Gallery 快速开箱!

热门文章

最新文章

AI助理

你好,我是AI助理

可以解答问题、推荐解决方案等