谷歌AI可处理医生75%的处方，但落地仍有难点

研究科学家凯瑟琳·鲁克（Kathryn Rough）和谷歌健康（Google Health）医学博士阿尔文·拉吉科马尔（Alvin Rajkomar）在一份报告中写道，尽管没有医生、护士或者药剂师希望犯下伤害患者的错误，但研究表明，2%的住院患者经历了严重的，本可以预防的，与药物错误使用有关的医疗事件。这些事件很可能危及生命，造成永久性伤害或者导致患者死亡。

为此，AI人工智能系统使用一个数据集进行训练，该数据集包含来自10万多个住院患者产生的约300万个药单，通过使用随机改变日期的可追溯性电子健康记录数据，并根据HIPAA删除部分记录，包括姓名、地址、联系方式、记录编号、医生姓名、免费文本注释、图像等。更重要的是，数据集不局限于特定的疾病或者医疗领域，使得任务更具有挑战性，同时，也有助于确保模型能够识别范围更广的疾病种类。

研究人员评估了两种模型：第一，学习奖励长期依赖关系模型的长期、短期记忆的递归神经网络LSTM；第二，临床健康研究中常用的逻辑模型。这两项指标与患者的医疗内容，如普通医疗、普通外科、产科、心脏病，以及入院后时间量排列最常订购药物的基线进行比较。

每次在回顾性的数据中订购药物时，这些模型都会列出990种可能的药物，研究人员评估这些模型，决定是否将每个病例中实际订购的药物以较高概率分配给医生。其中，每一个模型的表现都是通过比较其药物推荐排名和医生实际开的药来评估的。

表现最好的是LSTM，前10名名单中至少有93%的药物是由临床医生在第二天内为给定的患者订购的。在55%的病例中，该模型正确地将医生开的处方药列为最有可能的10种药物之一，75%的处方药排在前25位。

该论文研究人员认为，重要的是，以这种方式训练的模型再现了，历史数据中出现的医生行为。不过，这种模型还没有学习到最佳处方模式、这些药物可能如何工作，或者可能出现什么副作用。在下一阶段的研究中，研究员们将研究这些模型在何种情况下有助于发现，可能伤害患者的用药错误问题。

中国软件网认为，一直以来金融和医疗是AI应用最为广泛的另个垂直领域，其中，医疗领域中的AI应用，需要更加谨慎验证。毕竟不仅涉及到AI医疗的准确性，还涉及到AI伦理、法律责任、数据合规等问题。一旦，出现医疗纠纷问题，如何追责还不能清晰界定。这也是AI落地医疗领域的难点与痛点。

（编辑：ASP站长网）