谷歌公司旗下的DeepMind正在尋求可行途徑以檢測(cè)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(jiǎn)單實(shí)用的移動(dòng)報(bào)警應(yīng)用。

最近一段時(shí)間以來(lái)，人工智能技術(shù)在醫(yī)學(xué)領(lǐng)域取得了不少進(jìn)展，但實(shí)際情況卻沒(méi)有媒體宣傳的那么樂(lè)觀。在醫(yī)院與臨床醫(yī)生的辦公室中，AI成果可能要簡(jiǎn)單得多，而且在數(shù)量上也遠(yuǎn)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(xué)習(xí)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(shí)證明后者還無(wú)法自動(dòng)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(gè)深度學(xué)習(xí)項(xiàng)目的結(jié)果，該項(xiàng)目能夠在癥狀出現(xiàn)前48小時(shí)預(yù)測(cè)住院患者出現(xiàn)的腎功能衰竭癥狀，并且準(zhǔn)確率遠(yuǎn)遠(yuǎn)高于現(xiàn)有計(jì)算機(jī)預(yù)測(cè)程序。

與此同時(shí)，DeepMind團(tuán)隊(duì)還發(fā)布了一項(xiàng)對(duì)其“Streams”計(jì)算機(jī)程序的第三方調(diào)查結(jié)果。這款計(jì)算機(jī)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(xué)習(xí)技術(shù)的第一個(gè)項(xiàng)目中只包含部分有望得到實(shí)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(bào)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?jiǎng)?chuàng)新在于讓醫(yī)生能夠在手機(jī)上收取警報(bào)。

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(lái)急性腎損傷的持續(xù)預(yù)測(cè)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(guó)國(guó)民健康服務(wù)中心協(xié)助建立的Think Kidneys網(wǎng)站公布的說(shuō)明，其中一類主要反應(yīng)在于“急性腎損傷”，簡(jiǎn)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(yán)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(lái)致命后果，影響到美國(guó)及英國(guó)醫(yī)院中約五分之一的患者，而且利用適當(dāng)檢測(cè)搶在情況惡化前進(jìn)行處理能夠消除其中高達(dá)30%的比例。AKI以及其它突發(fā)性變量的處理正是機(jī)器學(xué)習(xí)的專長(zhǎng)所在，其完全能夠預(yù)測(cè)可能出現(xiàn)的問(wèn)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(shí)踐中很少引入預(yù)測(cè)元素；這是因?yàn)檫@些元素要么缺乏必要的敏感性與特殊性，要么就是對(duì)已有操作的簡(jiǎn)單重復(fù)。”

因此，DeepMind與美國(guó)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(guò)時(shí)間序列數(shù)據(jù)預(yù)測(cè)AKI實(shí)例。他們?cè)谖迥曛畠?nèi)為退伍軍人醫(yī)院的超過(guò)70萬(wàn)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(gè)條目，以及可能與AKI相關(guān)的62萬(wàn)種“特征”。憑借這些標(biāo)記數(shù)據(jù)，計(jì)算機(jī)即可通過(guò)分析預(yù)測(cè)哪些患者最終可能發(fā)展出AKI癥狀。

這一切都是通過(guò)行業(yè)領(lǐng)先的“遞歸神經(jīng)網(wǎng)絡(luò)”（簡(jiǎn)稱RNN）完成的，其中包含一個(gè)能夠“學(xué)習(xí)”AKI因子“表達(dá)”的“深度殘差嵌入”組件。研究人員強(qiáng)調(diào)稱，這是一套單獨(dú)的“端到端”網(wǎng)絡(luò)，其不需要針對(duì)特定領(lǐng)域?qū)W(wǎng)絡(luò)進(jìn)行預(yù)訓(xùn)練。

他們?cè)趫?bào)告中表示，該網(wǎng)絡(luò)不再依賴于傳統(tǒng)預(yù)測(cè)方法——例如所謂“梯度增強(qiáng)樹”，其要求將風(fēng)險(xiǎn)因素明確編碼至算法當(dāng)中——而利用RNN模型從數(shù)據(jù)中總結(jié)模式。他們認(rèn)為，這項(xiàng)工作為更好地預(yù)測(cè)患者病情惡化開創(chuàng)了新的途徑。

但展望未來(lái)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(méi)有對(duì)性別與種族進(jìn)行平衡，因此需要闡明其中可能存在的混淆性偏見(jiàn)因素。他們?cè)谡撐闹袑懙溃?ldquo;未來(lái)的工作，在于解決訓(xùn)練數(shù)據(jù)當(dāng)中人群代表性不足的問(wèn)題，同時(shí)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(hù)理

在發(fā)表于《互聯(lián)網(wǎng)醫(yī)學(xué)研究》雜志上的第二篇論文《對(duì)輔助治療中數(shù)字化護(hù)理途徑的用戶體驗(yàn)進(jìn)行的定性評(píng)估（A Qualitative Evaluation of User Experiences of a Digitally Enabled Care Pathway in Secondary Care）》當(dāng)中，研究人員說(shuō)明了關(guān)于Sterams軟件的實(shí)際使用情況。

Streams是一款iPhone平臺(tái)上的移動(dòng)應(yīng)用，目前由倫敦皇家自由醫(yī)院的醫(yī)生們實(shí)際使用。其負(fù)責(zé)通過(guò)手機(jī)向醫(yī)生發(fā)送警報(bào)，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(guò)持續(xù)監(jiān)測(cè)患者肌酐水平并將警告信息發(fā)送給特定團(tuán)隊(duì)，醫(yī)護(hù)人員即可優(yōu)先關(guān)注存在AKI風(fēng)險(xiǎn)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(fù)責(zé)處理數(shù)十億個(gè)數(shù)據(jù)點(diǎn)，用于盡早發(fā)現(xiàn)急性腎損傷跡象。他們強(qiáng)調(diào)稱，這是一套“端到端”系統(tǒng)，不需要對(duì)網(wǎng)絡(luò)進(jìn)行預(yù)訓(xùn)練。

這篇論文由DeepMind工作人員與倫敦大學(xué)學(xué)院以及英國(guó)國(guó)家健康服務(wù)中心的研究人員們聯(lián)合撰寫，并對(duì)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(jìn)行了觀點(diǎn)匯總。論文當(dāng)中引用了大量采訪信息，以確保反饋意見(jiàn)公正可靠。

腎病科團(tuán)隊(duì)的一名成員表示：“無(wú)論您身在何處，任何人都能夠通過(guò)這款應(yīng)用查看血液檢測(cè)結(jié)果。”另一位醫(yī)院工作人員則評(píng)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(bào)信息，并確定我需要跟進(jìn)哪些具體病患。”

然而，反饋當(dāng)中也出現(xiàn)了一些負(fù)面的聲音。一名工作人員認(rèn)為應(yīng)用程序當(dāng)中存在大量“噪音”式的誤報(bào)。另一位參與者也抱怨稱，當(dāng)不清楚警報(bào)內(nèi)容應(yīng)該由哪位臨床醫(yī)生負(fù)責(zé)處理時(shí)，應(yīng)用會(huì)反復(fù)提醒，產(chǎn)生過(guò)多警報(bào)提示。

該項(xiàng)研究的作者們得出結(jié)論，認(rèn)為這款軟件對(duì)患者的護(hù)理產(chǎn)生了“積極影響”，包括“加快”醫(yī)護(hù)人員對(duì)病情惡化患者的處置速度。但他們也承認(rèn)其并不完美，例如“大量需要優(yōu)先處理的患者提示與過(guò)量信息使醫(yī)護(hù)人員產(chǎn)生焦慮情緒，這一狀況因誤報(bào)問(wèn)題而變得更加嚴(yán)重。”

研究同時(shí)發(fā)現(xiàn)，該應(yīng)用雖然頗具實(shí)用性，但對(duì)結(jié)果卻并未產(chǎn)生具有統(tǒng)計(jì)學(xué)意義的顯著影響。在《自然》雜志姊妹刊《NPJ自然醫(yī)學(xué)》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(yuǎn)遠(yuǎn)不夠。“我們的評(píng)估亦證明單獨(dú)的電子警報(bào)機(jī)制可能無(wú)法改善醫(yī)療結(jié)果；從結(jié)果來(lái)看，我們需要將警報(bào)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(duì)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(duì)病情惡化問(wèn)題的早期檢測(cè)能力，同時(shí)挽救病患生命；其次是一款警報(bào)軟件，能夠?yàn)獒t(yī)生提供幫助，但暫時(shí)無(wú)法顯著提高護(hù)理效果。至少就目前來(lái)看，這兩項(xiàng)成果仍然彼此割裂、無(wú)法統(tǒng)一起來(lái)。

DeepMind研究人員在另一篇博文中提到了某些有望整合這兩項(xiàng)成果的努力：“團(tuán)隊(duì)目前希望找到將預(yù)測(cè)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(jiàn)解。”