元鼎音訊
訂報優惠

MIT以機器學習創新病患照護概念

  • 張殷綺
急診介入(ICU Intervene)使用大量的急診數據,來決定不同症狀需要使用哪一種治療方法。MIT

醫生通常必須觀察各種圖表、檢驗報告以及相關數據,但要監控不同病患的所有數據、還要即時做出診療決策往往面臨困難,尤其不同醫院又有不同的病例格式。

MIT News報導,現在MIT資訊科學與人工智慧實驗室(CSAIL)的研究人員,希望用人工智慧(AI)來協助醫師做出更好的醫療決定。

其中一個團隊開發出機器學習方法,名為「急診介入」(ICU Intervene),使用大量的急診數據來決定不同症狀需要使用哪一種治療方法。

該系統使用「深度學習」來做出預測,從過去的急診案例學習、並做出建議,同時還會解釋這些決策的背後原因。「急診介入」會每個小時追蹤五種不同的介入方式,包括呼吸輔助,改善心血管功能、降低血壓以及流體療法等。

另一個團隊開發出「電子病例模型轉移」(HER Model Transer),可透過電子病例系統產生預測模型,即使是不同電子病例系統也可以進行訓練。

這兩種模式,都是從重症加護數據庫MIMIC的數據來進行訓練,其中包括4萬名加護病房病患的匿名數據,由MIT運算生理學實驗室所開發。

「電子病例模型轉移」考量到目前各家醫院經常改變其電子病例系統,該模型可以適用於不同的電子病例平台,使用自然語言來找出不同系統中的醫療概念,將其配對後形成統一的醫療概念。

舉例來說,病患可能會轉院,因此其病例必須跟著移轉;該情況下依然可以有效預測病患送急診、長期住院、甚至死亡的可能性。