人工智能离临床越来越近

COVID-19大流行的开始对卫生保健工作者提出了巨大挑战。医生们努力预测不同的患者在治疗新型SARS-CoV-2病毒时会有怎样的表现。随着大流行的发展，在信息很少的情况下决定如何对医疗资源进行分类，对护理人员的精神和身体都造成了损害。

为了减轻这一负担，太平洋西北国家实验室(PNNL)、斯坦福大学、弗吉尼亚理工大学和约翰·斯诺实验室的研究人员开发了TransMED，这是一种首创的人工智能(AI)预测工具，旨在解决由新兴或人工智能引起的问题罕见疾病．

首席科学家Sutanay Choudhury说:“随着2019冠状病毒病在2020年的发展，它使我们许多人聚集在一起，思考我们如何以及在哪里可以做出有意义的贡献。”“我们认为，如果我们致力于预测问题，我们可以产生最大的影响病人的结果．"

该研究的主要作者Khushbu Agarwal说:“COVID提出了一个独特的挑战自然科学报告．“我们只有非常有限的患者数据来训练一个可以学习的人工智能模型复杂的模式COVID患者的潜在轨迹。”

多机构团队开发了TransMED来应对这一挑战，分析现有疾病的数据来预测新出现疾病的结果。

接听求救电话

当COVID-19大流行开始时，PNNL的研究人员直面新挑战。乔杜里找到了自己在一个使用人工智能生成结构的团队中工作这些分子可能是药物开发反对SARS-CoV-2。

他还对奋战在抗击新冠肺炎第一线的医护人员深表同情。乔杜里说:“很明显，我们需要建立更有效的工具，以便在下一次危机期间更好地保护患者和护理人员。”

乔杜里和阿加瓦尔获得了Colby Ham和PNNL高级计算、数学和数据部门主任Robert Rallo的帮助，以及来自斯坦福大学、弗吉尼亚理工大学和约翰·斯诺实验室的计算机科学家们的帮助，构建了这样一个工具。

Suzanne Tamang就是其中一名科学家。她之前曾与乔杜里，阿加瓦尔和拉洛在一个医疗保健分析项目．她渴望参与这项研究努力，应用她的知识提供决策支持给医护人员。

“我们都认为有必要做出贡献，”斯坦福大学人口健康科学中心数据科学助理主任、斯坦福大学医学院生物医学数据科学系讲师Tamang说。“我们可以利用我们的能力来构建一个具有即时价值和实用性的工具卫生保健工作者．"

塔芒对这种利他主义并不陌生。作为斯坦福大学的一部分社会公益统计数字在俱乐部，她经常贡献自己的时间和技能来解决各种社会问题。Tamang说:“有时，当研究人员受到帮助愿望的驱使时，就会产生最好的科学成果。”

对抗未知疾病的新方法

早期结果表明，TransMED优于现有的患者预后预测模型，特别是对于罕见预后。阿加瓦尔将这部分归因于TransMED能够仔细检查各种各样的医疗信息，包括其他呼吸道疾病（呼吸系统疾病）．

TransMED考虑了几乎所有类型的电子医疗记录数据，例如医疗条件药物、程序、实验室测量和来自临床记录的信息，”Agarwal说。“通过对病人的全面观察，TransMED可以像临床医生一样做出预测。”

TransMED成功的另一个因素是迁移学习。从本质上讲，迁移学习的工作原理是让机器学习模型解决存在大量数据的问题。然后，该模型将这些知识用于解决类似的问题。在TransMED的案例中，研究人员对已知的严重呼吸道疾病患者的结果进行了训练，并将这些知识应用于预测COVID-19的结果。

乔杜里说:“根据患者最近的病史，TransMED可以预测患者未来5到7天对呼吸机的需求，或其他罕见的结果。”

人工智能在现实世界医疗保健环境中的应用尚处于起步阶段，但这项工作是建立一个预测患者结果的有用模型的第一步。虽然TransMED尚未在临床环境中进行测试，但它提供了一个令人鼓舞的医疗保健未来的一瞥。

本文的其他作者是弗吉尼亚理工大学的Sindhu Tipirneni和Chandan K Reddy;斯坦福大学的Pritam Mukherjee、Matthew Baker、Siyi Tang和Olivier Gevaert;John Snow实验室的Veysel Kocaman。这项工作得到了PNNL实验室指导研究和发展计划的支持。

---

---