谷歌公司旗下的DeepMind正在尋求可行途徑以檢測住院患者的病情惡化狀況。但此舉并不是為了全面顛覆醫(yī)療產(chǎn)業(yè)，而是率先推出一款簡單實用的移動報警應(yīng)用。

最近一段時間以來，人工智能技術(shù)在醫(yī)學領(lǐng)域取得了不少進展，但實際情況卻沒有媒體宣傳的那么樂觀。在醫(yī)院與臨床醫(yī)生的辦公室中，AI成果可能要簡單得多，而且在數(shù)量上也遠不及人們的想象。

日前，由谷歌DeepMind部門發(fā)表的兩篇研究論文顯示，深度學習等前沿工具與軟件本身的有限應(yīng)用之間存在著巨大的鴻溝。事實證明后者還無法自動完成醫(yī)生們的日常工作。

而在最新一期《自然》雜志中，DeepMind的研究人員發(fā)表了一個深度學習項目的結(jié)果，該項目能夠在癥狀出現(xiàn)前48小時預(yù)測住院患者出現(xiàn)的腎功能衰竭癥狀，并且準確率遠遠高于現(xiàn)有計算機預(yù)測程序。

與此同時，DeepMind團隊還發(fā)布了一項對其“Streams”計算機程序的第三方調(diào)查結(jié)果。這款計算機程序并未使用人工智能技術(shù)，但能夠幫助醫(yī)生向病人快速發(fā)布警示性提醒。

采用深度學習技術(shù)的第一個項目中只包含部分有望得到實際應(yīng)用的方法，但Steams軟件已經(jīng)被正式引入醫(yī)生及醫(yī)務(wù)人員的日常工作中。

跟蹤患者的“不良反應(yīng)”

▲相較于圖上方所示的傳統(tǒng)醫(yī)生警報信息獲取方式，圖下方的DeepMind“Stream”應(yīng)用建立起新的“數(shù)字化途徑”。其主要創(chuàng)新在于讓醫(yī)生能夠在手機上收取警報。

谷歌DeepMind部門發(fā)表第一篇論文題為《具有臨床適用性的未來急性腎損傷的持續(xù)預(yù)測方法（A clinically applicable approach to continuous prediction of future acute kidney injury," deals with the）》，主要面向患者在住院之后發(fā)生的“不良反應(yīng)”。根據(jù)英國國民健康服務(wù)中心協(xié)助建立的Think Kidneys網(wǎng)站公布的說明，其中一類主要反應(yīng)在于“急性腎損傷”，簡稱AKI，具體定義為“患者的腎功能突然發(fā)生下降”。這類癥狀的出現(xiàn)，主要源自病人嚴重脫水或者處方藥副作用等原因。

正如DeepMind方面在一篇博文中所提到，這種情況有可能帶來致命后果，影響到美國及英國醫(yī)院中約五分之一的患者，而且利用適當檢測搶在情況惡化前進行處理能夠消除其中高達30%的比例。AKI以及其它突發(fā)性變量的處理正是機器學習的專長所在，其完全能夠預(yù)測可能出現(xiàn)的問題，從而幫助病人免受腎損傷的影響。

正如作者在論文中所言，“常規(guī)臨床實踐中很少引入預(yù)測元素；這是因為這些元素要么缺乏必要的敏感性與特殊性，要么就是對已有操作的簡單重復(fù)。”

因此，DeepMind與美國退伍軍人事務(wù)部展開合作，希望了解神經(jīng)網(wǎng)絡(luò)是否能夠通過時間序列數(shù)據(jù)預(yù)測AKI實例。他們在五年之內(nèi)為退伍軍人醫(yī)院的超過70萬名患者編制了數(shù)字健康記錄數(shù)據(jù)集，其中包含60億個條目，以及可能與AKI相關(guān)的62萬種“特征”。憑借這些標記數(shù)據(jù)，計算機即可通過分析預(yù)測哪些患者最終可能發(fā)展出AKI癥狀。

這一切都是通過行業(yè)領(lǐng)先的“遞歸神經(jīng)網(wǎng)絡(luò)”（簡稱RNN）完成的，其中包含一個能夠“學習”AKI因子“表達”的“深度殘差嵌入”組件。研究人員強調(diào)稱，這是一套單獨的“端到端”網(wǎng)絡(luò)，其不需要針對特定領(lǐng)域?qū)W(wǎng)絡(luò)進行預(yù)訓練。

他們在報告中表示，該網(wǎng)絡(luò)不再依賴于傳統(tǒng)預(yù)測方法——例如所謂“梯度增強樹”，其要求將風險因素明確編碼至算法當中——而利用RNN模型從數(shù)據(jù)中總結(jié)模式。他們認為，這項工作為更好地預(yù)測患者病情惡化開創(chuàng)了新的途徑。

但展望未來的道路，仍有不少挑戰(zhàn)需要克服。比如，他們使用的數(shù)據(jù)并沒有對性別與種族進行平衡，因此需要闡明其中可能存在的混淆性偏見因素。他們在論文中寫道：“未來的工作，在于解決訓練數(shù)據(jù)當中人群代表性不足的問題，同時克服可能與醫(yī)院流程相關(guān)的潛在混淆性因素。”

輔助醫(yī)療與數(shù)字化護理

在發(fā)表于《互聯(lián)網(wǎng)醫(yī)學研究》雜志上的第二篇論文《對輔助治療中數(shù)字化護理途徑的用戶體驗進行的定性評估（A Qualitative Evaluation of User Experiences of a Digitally Enabled Care Pathway in Secondary Care）》當中，研究人員說明了關(guān)于Sterams軟件的實際使用情況。

Streams是一款iPhone平臺上的移動應(yīng)用，目前由倫敦皇家自由醫(yī)院的醫(yī)生們實際使用。其負責通過手機向醫(yī)生發(fā)送警報，提醒患者出現(xiàn)了血清肌酐升高狀況——這種血液中的廢物，正是AKI發(fā)病的主要跡象之一。通過持續(xù)監(jiān)測患者肌酐水平并將警告信息發(fā)送給特定團隊，醫(yī)護人員即可優(yōu)先關(guān)注存在AKI風險的患者。據(jù)了解，該軟件自2017年5月起就已經(jīng)在皇家自由醫(yī)院中得到應(yīng)用。

▲DeepMind構(gòu)建的創(chuàng)新型遞歸神經(jīng)網(wǎng)絡(luò)負責處理數(shù)十億個數(shù)據(jù)點，用于盡早發(fā)現(xiàn)急性腎損傷跡象。他們強調(diào)稱，這是一套“端到端”系統(tǒng)，不需要對網(wǎng)絡(luò)進行預(yù)訓練。

這篇論文由DeepMind工作人員與倫敦大學學院以及英國國家健康服務(wù)中心的研究人員們聯(lián)合撰寫，并對在2017年2月至2018年5月期間使用該應(yīng)用程序的臨床醫(yī)生進行了觀點匯總。論文當中引用了大量采訪信息，以確保反饋意見公正可靠。

腎病科團隊的一名成員表示：“無論您身在何處，任何人都能夠通過這款應(yīng)用查看血液檢測結(jié)果。”另一位醫(yī)院工作人員則評論稱，查看這款應(yīng)用就像是收取電子郵件，“只需要大概五分鐘左右，我就能輕松瀏覽警報信息，并確定我需要跟進哪些具體病患。”

然而，反饋當中也出現(xiàn)了一些負面的聲音。一名工作人員認為應(yīng)用程序當中存在大量“噪音”式的誤報。另一位參與者也抱怨稱，當不清楚警報內(nèi)容應(yīng)該由哪位臨床醫(yī)生負責處理時，應(yīng)用會反復(fù)提醒，產(chǎn)生過多警報提示。

該項研究的作者們得出結(jié)論，認為這款軟件對患者的護理產(chǎn)生了“積極影響”，包括“加快”醫(yī)護人員對病情惡化患者的處置速度。但他們也承認其并不完美，例如“大量需要優(yōu)先處理的患者提示與過量信息使醫(yī)護人員產(chǎn)生焦慮情緒，這一狀況因誤報問題而變得更加嚴重。”

研究同時發(fā)現(xiàn)，該應(yīng)用雖然頗具實用性，但對結(jié)果卻并未產(chǎn)生具有統(tǒng)計學意義的顯著影響。在《自然》雜志姊妹刊《NPJ自然醫(yī)學》上發(fā)表的另一篇相關(guān)論文指出，單純使用一款應(yīng)用程序還遠遠不夠。“我們的評估亦證明單獨的電子警報機制可能無法改善醫(yī)療結(jié)果；從結(jié)果來看，我們需要將警報系統(tǒng)與特定管理通道相結(jié)合，才能真正將數(shù)字化干預(yù)手段引入組織與技術(shù)層面。”

下面對這一成果做做總結(jié)：首先這是一款業(yè)界領(lǐng)先的軟件，似乎能夠改善對病情惡化問題的早期檢測能力，同時挽救病患生命；其次是一款警報軟件，能夠為醫(yī)生提供幫助，但暫時無法顯著提高護理效果。至少就目前來看，這兩項成果仍然彼此割裂、無法統(tǒng)一起來。

DeepMind研究人員在另一篇博文中提到了某些有望整合這兩項成果的努力：“團隊目前希望找到將預(yù)測性AI模型安全引入Streams應(yīng)用程序的方法，以便為臨床醫(yī)生提供與患者病情惡化相關(guān)的智能見解。”