“突发性死亡”的终结者

简介: 医疗AI历史性的一刻,让科技真正的转化为延续人类生命的方法。作者通过对斯坦福大学医院数据的汇总,开发了一套深度学习系统,并生成一篇论文。该论文在2017年IEEE生物信息学和生物医学国际会议上获得最佳学习论文奖。

更多深度文章,请关注云计算频道:https://yq.aliyun.com/cloud


改善住院病人临终关怀的质量是医疗保健机构的首要任务。研究表明,医生倾向于高预估后,与治疗惯性相结合导致患者得不到最好的治疗方案而离世。我们介绍了一个方法来解决这个问题,使用深度学习和电子健康记录(EHR)数据,这个项目经过机构审查委员会的批准后,目前正在学术医疗中心试点。

1.终结者的初衷

在美国,80%的人都希望在家中度过最后的日子,但是实际上只有20%。其他的超过60%的人都死在精神病院中,大部分病人总是在最后几天积极的接受治疗,但是,那样已经为时已晚。

我们建立了一个深度学习系统,通过检查住院患者的电子健康记录数据来确定未来3——12个月内死亡风险高的患者。这样这些患者就有可能接受到最好的治疗和护理。但,这并不是这个系统的最终目标,我们希望它能够帮助更多的看起来普通的人,帮助他们提前预知自己的身体状况。

2.最丰富的训练数据及可接受的训练结果

ea8e9e2e9126b8fef01e125e873b3daebed92818

我们的模型是一个18层的深层神经网络,输入患者的HER数据,它就可以输出未来3——12个月的死亡概率。这个深层神经网络是我们基于对斯坦福大学医院电子健康记录数据库的历史数据进行训练得到的,该数据库包含超过200万名患者的数据,训练该模型以预测未来3——12个月内患者死亡的概率。训练使用了患者过去12个月的HER数据,包括:诊断代码,程序代码,药物代码和一些对日常患者的细节描述。所有的这些数据被转换为13654维度的特征向量,经过训练,模型在交叉验证时达到0.93的AUROC和0.69的平均精确度得分。

3.系统的可解释性高

e0478222fb25bfd0a40351f7a43b7c42cdcafca4

预测的可解释性对于建立机器学习系统来说是非常重要的。我们的程序使用了精细的消融技术生成报告,突出了病人HER数据的关键因素,这些因素有助于做出更高准确性的预测。这也间接的保障了病人的权利。

论文地址:https://arxiv.org/abs/1711.06402

本文由北邮@爱可可-爱生活老师推荐,阿里云云栖组织翻译。

文章原标题《improving-palliative-care-with-deep-learning》,

作者:ANand avatiAndrew Ng,Nigam shah等。译者:虎说八道,审阅:

文章为简译,更为详细的内容,请查看原文



相关文章
|
11天前
|
存储 关系型数据库 分布式数据库
PostgreSQL 18 发布,快来 PolarDB 尝鲜!
PostgreSQL 18 发布,PolarDB for PostgreSQL 全面兼容。新版本支持异步I/O、UUIDv7、虚拟生成列、逻辑复制增强及OAuth认证,显著提升性能与安全。PolarDB-PG 18 支持存算分离架构,融合海量弹性存储与极致计算性能,搭配丰富插件生态,为企业提供高效、稳定、灵活的云数据库解决方案,助力企业数字化转型如虎添翼!
|
9天前
|
存储 人工智能 搜索推荐
终身学习型智能体
当前人工智能前沿研究的一个重要方向:构建能够自主学习、调用工具、积累经验的小型智能体(Agent)。 我们可以称这种系统为“终身学习型智能体”或“自适应认知代理”。它的设计理念就是: 不靠庞大的内置知识取胜,而是依靠高效的推理能力 + 动态获取知识的能力 + 经验积累机制。
342 130
|
9天前
|
存储 人工智能 Java
AI 超级智能体全栈项目阶段二:Prompt 优化技巧与学术分析 AI 应用开发实现上下文联系多轮对话
本文讲解 Prompt 基本概念与 10 个优化技巧,结合学术分析 AI 应用的需求分析、设计方案,介绍 Spring AI 中 ChatClient 及 Advisors 的使用。
428 130
AI 超级智能体全栈项目阶段二:Prompt 优化技巧与学术分析 AI 应用开发实现上下文联系多轮对话
|
3天前
|
存储 安全 前端开发
如何将加密和解密函数应用到实际项目中?
如何将加密和解密函数应用到实际项目中?
201 138
|
9天前
|
人工智能 Java API
AI 超级智能体全栈项目阶段一:AI大模型概述、选型、项目初始化以及基于阿里云灵积模型 Qwen-Plus实现模型接入四种方式(SDK/HTTP/SpringAI/langchain4j)
本文介绍AI大模型的核心概念、分类及开发者学习路径,重点讲解如何选择与接入大模型。项目基于Spring Boot,使用阿里云灵积模型(Qwen-Plus),对比SDK、HTTP、Spring AI和LangChain4j四种接入方式,助力开发者高效构建AI应用。
384 122
AI 超级智能体全栈项目阶段一:AI大模型概述、选型、项目初始化以及基于阿里云灵积模型 Qwen-Plus实现模型接入四种方式(SDK/HTTP/SpringAI/langchain4j)
|
3天前
|
存储 JSON 安全
加密和解密函数的具体实现代码
加密和解密函数的具体实现代码
202 136
|
21天前
|
弹性计算 关系型数据库 微服务
基于 Docker 与 Kubernetes(K3s)的微服务:阿里云生产环境扩容实践
在微服务架构中,如何实现“稳定扩容”与“成本可控”是企业面临的核心挑战。本文结合 Python FastAPI 微服务实战,详解如何基于阿里云基础设施,利用 Docker 封装服务、K3s 实现容器编排,构建生产级微服务架构。内容涵盖容器构建、集群部署、自动扩缩容、可观测性等关键环节,适配阿里云资源特性与服务生态,助力企业打造低成本、高可靠、易扩展的微服务解决方案。
1356 8
|
8天前
|
监控 JavaScript Java
基于大模型技术的反欺诈知识问答系统
随着互联网与金融科技发展,网络欺诈频发,构建高效反欺诈平台成为迫切需求。本文基于Java、Vue.js、Spring Boot与MySQL技术,设计实现集欺诈识别、宣传教育、用户互动于一体的反欺诈系统,提升公众防范意识,助力企业合规与用户权益保护。