Google使用FHIR,用于医疗保健预测分析的深度学习

Google使用FHIR,用于医疗保健预测分析的深度学习

作为Google不断提高机器学习的准确性和实用性的不断努力的一部分,该技术巨头的研究人员正在扩大与领先医疗保健组织的合作伙伴关系,以创建更高级的EHR预测分析。

与芝加哥大学,斯坦福大学和加州大学旧金山分校的合作正在利用深度学习以及FHIR等创新数据标准来解决医疗保健在成本,质量和患者安全方面最棘手的问题。

在过去的几个月中,随着各行各业的开发人员将资源投入其数据科学部门,机器学习学科(也可以称为深度学习,认知计算人工智能)得到了飞速发展。

医疗保健已成为这一趋势的早期受益者。 Google和其他公司的许多项目都强调了机器学习对诊断和预测分析的价值。

3月,Google研究人员发表了一篇论文,解释了机器学习如何通过识别转移的癌组织几乎与人类病理学家一样准确地在病理学中发挥重要作用。

深度学习算法生成了非常大的活检玻片图像的“热图”,以识别肿瘤细胞的存在。 当识别出已经扩散到淋巴结的乳腺癌时,该算法的准确率达到了89%,而人类病理学家花费30个小时完成这项任务的准确率仅为73%。

斯坦福大学的研究人员还利用Google机器学习的能力来识别皮肤癌。 在今年《自然》杂志上发表的一篇论文中,研究小组指出,人工智能算法与21位肉血皮肤科医生的诊断性能相匹配。

Google Brain小组的Katherine Chou认为,这些举措仅仅是机器学习可以为提供者和患者提供服务的开端。

“我们准备做更多的事情:机器学习已经足够成熟,可以开始准确地预测医疗事件了,例如患者是否会住院,待多长时间以及尽管治疗了尿路感染等疾病,他们的健康状况是否也在恶化,肺炎或心力衰竭。”周在Google博客中写道,宣布该公司与芝加哥大学的最新医疗保健研究合作伙伴关系。

“高级机器学习可以发现身份不明的医疗记录中的模式(即,去除任何个人身份信息),以预测接下来可能发生的情况,从而在患者出现之前预测他们的需求。”

她补充说,对这些大数据分析工具的需求“迫切而巨大”。

发表于7wData.be。