在最新的一組論文中，MIT 計算機科學與人工智能實驗室 CSAIL 的研究員，提出了兩套幫助醫(yī)生更好做治療方案決策的系統(tǒng)。下面就隨醫(yī)療電子小編一起來了解一下相關內(nèi)容吧。

　　一支團隊開發(fā)了一套名為 “ICU Intervene” ，即“重癥監(jiān)護室干預”的機器學習系統(tǒng)。大量重癥監(jiān)護室(ICU)的數(shù)據(jù)，從病人關鍵生命體征、之前醫(yī)生的治療備注，到人口統(tǒng)計學信息，都會被整合到一起，以幫助醫(yī)生做出決策——哪些治療方案最適合當前病人的癥狀。該系統(tǒng)使用深度學習來做出實時預測，從過去的 ICU 案例中學習，對當前情況嚴重的病例(病危護理)做出推薦，并能對其背后的原因與邏輯做出解釋。

　　ICU Intervene 論文的第一作者、MIT 博士生 Harini Suresh 表示：

　　“這套系統(tǒng)有潛力成為 ICU 值班醫(yī)生的助手，這些醫(yī)生的工作環(huán)境有巨大壓力以及極高要求。這項研究的目標是充分利用醫(yī)療記錄的數(shù)據(jù)，提高醫(yī)療水平，并對必要的干預提前做出預測。”

　　另一支團隊開發(fā)的系統(tǒng)被稱為“EHR Model Transfer” ，即“EHR 模型遷移”。它能推動跨電子醫(yī)療檔案系統(tǒng)(EHR)預測模型的落地。也就是說，用一套 EHR 的數(shù)據(jù)訓練出來的預測模型，能夠遷移到另一套 EHR 系統(tǒng)上進行應用，做出有效預測。該團隊發(fā)現(xiàn)，“EHR 模型遷移”能對病人的死亡率、住院延長時間做有效預測。

　　兩套系統(tǒng)都使用病危護理數(shù)據(jù)庫 MIMIC 進行訓練，后者包含四萬個病危病例的脫敏數(shù)據(jù)，由 MIT 生理計算實驗室(MIT Lab for Computational Physiology)開發(fā)。