如果不是因为神秘的辣椒过敏症,Harini Suresh 可能永远不会找到更好地护理重症监护室病人的方法。
Suresh 是麻省理工学院 (MIT) 的一名博士生,她想使用 AI 帮助重症监护室医生为每位病患选择最合适的治疗方法。因为病患患有严重的心力衰竭或中风等疾病,而且医生必须快速权衡简单的人口统计信息以及复杂的实验室检验等大量不同的病患数据,因此,这并不是一件容易的事情。
“ICU 是一个高风险、高要求的环境,医生只有有限的时间来治疗每位病患。”Suresh 说,“当医生处理很多数据来源和数据类型时,计算工具可以起到很大作用。”
辣椒如何引导预测
Suresh 在 MIT 的计算机科学和人工智能实验室 (CSAIL) 工作。在她还小的时候,她那一辈子喜欢吃辣椒的母亲突然对辛辣香料过敏。于是,她开始对医学感兴趣,这种兴趣如今促使 Suresh 研究如何使医疗更加个性化,而这首先从 ICU 开始。
她最近的论文介绍了 GPU 加速的深度学习如何预测病患是否需要特定的 ICU 治疗。此模型使用血压、心率和血糖水平等生命体征的每小时测量值以及年龄和性别等病患信息,来预测所需的治疗方法。
此模型名为 ICU Intervene,可以帮助医生确定病患是否需要治疗来帮助他们呼吸、改善心脏功能、提高血压或换血。它还可以预测病患何时可以安全地停止这些治疗。到目前为止,它可以提前八小时做出预测。
ICU Intervene 是一种独特的深度学习解决方案,因为它解释了决策背后的推理。
“这种解释可能是让此类技术投入使用的非常重要的因素,因为医生和病患需要对决策有信心。”Suresh 说。
计算机如何学习医学
Suresh 和 MIT 研究团队(包括 Suresh 的导师 MIT 教授 Peter Szolovits 和一名 MIT 医生)训练 ICU Intervene,让其将心率、氧饱和度和肾功能等因素与建议的治疗方法相关联。该团队从 MIMIC-III 公共数据库(其中的病患健康信息已被去识别化)包含的 34,000 个 ICU 案例中提取信息作为训练数据。
他们使用 NVIDIA GeForce TITAN X GPU 和 cuDNN 来加快训练速度,并且使用相同的 GPU 部署自己的模型。
Suresh 指出,如果将 ICU Intervene 投入使用,它可以帮助医生更快速地为每位病患选择合适的治疗方案,同时还可以避免不必要的治疗。
接下来,研究人员将会努力改进 ICU Intervene,以便提供更个性化的护理以及提供更先进的决策推理。
“如果我们可以提高临床决策质量,就能真正改善病患护理质量。”Suresh 说。