儿科重症监护室是风险最高的地方。
进入儿科重症监护室的儿童病情大都比较复杂，而且通常是慢性病，包括呼吸疾病、外伤、术后护理问题、败血症及其他传染病，很多病患的情况都十分危急。
洛杉矶儿童医院
为了给患儿找到最好的药物治疗方式，洛杉矶儿童医院的数据科学家 David Ledbetter 和他的研究团队使用 GPU 驱动的深度学习来理解消化大数据 – 儿科重症监护室在十年里积累的珍贵医疗档案。
Ledbetter 的主要目标很简单：取得最佳治疗效果。
他最近在硅谷举行的 GPU 技术大会发表了演讲，反响热烈。他说：“儿科重症监护室入目就是密密麻麻线缆。”
“我们经常会忽略了病人，而我们应该把注意力放在病人身上”，他说。
利用大数据
性能日趋强大的 GPU 允许科学家使用深度学习（人工智能快速发展的一个分支），来训练计算机在庞大的数据集中学习识别模式。
为了训练深度学习模型，从在洛杉矶儿童医院接受过治疗的患者的记录中，Ledbetter 的团队为其中近 1.3 万个患者创建了所谓的“患者快照”。
快照详细说明了患者的生命状态、心率、血压和他们接受的治疗之间的相互作用。Ledbetter 和他的团队将这些信息分为两个单独的神经网络模型，使用 TITAN X GPU 在数小时内即可完成训练。
提升治疗效果
使用卷积神经网络，他们可以预测存活的可能性，而使用循环神经网络，他们可以预测不同时间的生理机能。这可以帮助他们了解患者的生命状态和各单元进行的干预措施之间的重要关系。
患者快照
Ledbetter 说：“我们的希望就是，稳定患者的病情，让患者的免疫系统进行自我治疗。”
“医生关注的重点是存活几率随时间的变化，如果存活几率在一小时内从 80% 下降至 50%，问题就比较严重了，因此我们根据成效变化衡量治疗效果。”
在做出拯救生命决定的关键时刻，“我们的研究成果可以发挥作用”，Ledbetter 说。将这些信息交到医生手中，有助于“确保我们充分利用这些信息，给患儿提供更好的治疗方法”。