深度学习技术可让医生更有效地拯救生命，因为这种技术能在常规的诊病过程之前发现高危病人。
深度学习是人工智能的一个分支，纽约西奈山伊坎医学院的研究人员正使用这种技术来分析病人的电子病历，并确定最有可能在下一年患上重病的病人。
研究人员用总共 12 年的病历（合计 70 万份）来训练名叫 Deep Patient 的实验工具。在测试中，该工具能够预测数十种疾病（包括心力衰竭、多种癌症和严重的糖尿病）的风险。
Joel T. Dudley 最近在《自然科学报告》上发表了一篇介绍西奈山医学院研究工作的论文，他说道：“大多数疾病的情况是，预防比扭转病情更容易做到。这可能会对人们的健康产生巨大的影响。”
电子病历带来希望
Dudley 本人也是西奈山医学院的副教授，他指出，提前警告能为医生和病人赢得宝贵的时间，以便采取措施来预防疾病或至少延缓发病。医生有多种对策，例如推荐新药或让病人吃特定的食物。
Dudley 表示，用 GPU 加速的 Deep Patient 还能节省医疗成本。通过将资源集中在预防高危病人发病上，医疗服务提供商可以避免后期较为高昂的治疗成本。
研究人员之所以下力气开发 Deep Patient，部分原因是电子病历让他们感到无能为力。电子病历包含病人的大量信息，例如化验结果、手术情况、用药、病史等等。但迄今为止，医生一直未能使用这些数据来改善诊断或治疗效果，Dudley 这样说道。
Dudley 说道：“电子病历用来计费，而不是用作医生的得力工具。”
研究人员希望使用电子病历和深度学习技术来推动精准医学的发展，这种医学方法能为每位病人量身定制防病和治病方式。
研究人员使用数千份电子病历以及 NVIDIA Tesla K80 GPU 加速器和 CUDA 编程模型来训练神经网络。他们在测试模型时使用了大约 75,000 位病人的信息。
预测多种而不是一种疾病
西奈山医学院的研究人员并非第一批使用电子病历和深度学习技术来预测疾病风险的人员。（请参阅“人工智能技术如何在诊断前预测心力衰竭的情况”）。但与早期仅关注一种疾病的方法不同的是，他们采用的方法包括了将近 80 种疾病。他们能做到这一点的原因是，他们创造了一种新的数据表示方法，以便计算机分析病人的医疗数据。
Dudley 说道：“过去要做到这一点，需要为某种特殊疾病创建一次性的特殊数据表示形式，并要针对每种情况进行定制。但病人通常不只患有一种疾病，而是患有多种疾病。”
Riccardo Miotto 是西奈山医学院的数据科学家，还是上述论文的首席作者，他指出，这些研究人员创造了一种表示形式，能将病人的病史全部包括在内。
在医生可以使用 Deep Patient 为病人提供帮助之前，还有更多工作要做。西奈山医学院的团队接下来打算添加更多类型的数据，例如基因信息和家族病史，以便进行更准确的预测。
更多的数据、更好的决策
Dudley 指出，他希望加入电子病历以外的数据，以创造一种可让医生作出更好的诊断和治疗决策的工具。
他说道：“一个挑战是，医生与病人打交道的时间变少了，而电子病历中的信息变多了。”
现在，可以获得越来越多的基因信息和来自可穿戴式医疗设备的数据，面对着这一趋势，Dudley 指出：“医生将会淹没在信息的海洋里。我们想建造一个系统，它将使用所有可用的数据来预测病人的健康状况，并为医生提供新的见解。”