谷歌欲用FHIR進行精準醫療預測，「AI＋醫療」時代踏步前進

圖：pixabay

Google渴望將其深度學習能力和對FHIR的熟悉程度，應用於醫療保健預測分析的問題。

為了不斷追求增強機器學習準確性和效果，科技巨頭的研究人員們正在擴大與領先醫療機構的合作夥伴關係，以創建更先進的預測分析。

谷歌正與芝加哥大學、斯坦福大學和加州大學舊金山分校開展合作，利用深度學習與創新的數據標準——比如FHIR（Fast Health Interoperable Resources，快速醫療互操作性資源），解決一些醫療保健最難處理的成本、質量和患者安全問題。

深度學習、機器學習、認知計算，或者說人工智慧，在過去一段時間裡已經取得了突飛猛進的發展，因為所有行業的開發人員將資源投入其數據科學部門。

醫療保健是這一趨勢的早期受益者，來自Google和其他企業的許多項目都突出了機器學慣用於診斷和預測分析的價值。

今年3月，Google研究人員發表了一篇名為論文《Detecting Cancer Metastases on Gigapixel Pathology Images》的論文（https://drive.google.com/file/d/0B1T58bZ5vYa-QlR0QlJTa2dPWVk/view），解釋機器學習如何通過與人類病理學家一樣準確地識別轉移癌症組織，在病理學中發揮重要作用。

深度學習演算法產生了非常大的活檢圖像的「熱圖」，以識別腫瘤細胞的存在。鑒別乳腺癌已經擴散到淋巴結時，演算法的準確率達到89％，而人類病理學家的準確度僅為73％，在鑒別任務上花費了30個小時。

斯坦福大學的研究人員也利用了Google機器學習的功能來識別皮膚癌。在今年的《自然》雜誌發表的一篇名為《Dermatologist-level classification of skin cancer with deep neural networks》論文（https://www.nature.com/nature/journal/v542/n7639/full/nature21056.html）中，該團隊指出，人工智慧演算法與21名傳統皮膚科醫師的診斷性能相符。

Google Brain團隊的Katherine Chou認為，這些舉措只是機器學習可以為患者服務的開始。

「我們準備做更多的事情，機器學習已經足夠成熟，可以準確預測醫療事件，例如病人是否住院，住院多久，以及在治療尿路感染、肺炎或是心臟衰竭時，患者的病情是否惡化。」 Katherine Chou在Google博客中公布了與芝加哥大學最新的醫療研究合作夥伴關係時寫到。

「高級機器學習可以檢測『去識別』（de-identified）的醫療記錄 （即剝離任何個人身份信息），以預測未來可能的情況，可以在癥候出現前預知患者的需求。」

她補充說，這些大數據分析工具的需求是「緊迫而巨大的」。雖然行業近年來在改善患者安全和減少可避免再入院方面取得了重大進展，但仍有更多工作要做。

「美國每年因醫療事故感染致死的患者多達 99000 人，因不當藥物治療導致的傷殘和死亡患者超過 77 萬人，因病情複發導致再次住院的醫療花費高達170億美元。」Katherine Chou指出：「在世界範圍內該問題同樣緊迫：每年有4300 萬人因醫療失誤受到傷害，多數集中在中低收入國家。」

機器學習會成為開發演算法的關鍵，提供更主動的警報、全面的臨床決策支持和預測分析，使供應商能夠預防昂貴的危機事件的發生。

但是，即使是Google也無法逃脫數據分析無情的敵人——缺乏信息治理、互操作性和數據完整性，這使得收集和處理來自不同組織的大量數據變得非常困難。

「不同醫療中心的獨特數據記錄方法使得從不同診所的檢查結果中總結互通性非常困難，」 Katherine Chou說到，「缺乏數據標準性和互通性也使得這些差異的解決非常耗費時間和人力。」

Google正在通過將其深度學習技術與FHIR相結合來克服這些障礙，從而使組織和技術障礙之間的數據流動順利進行。

在2017年初，Google通過與HL7 FHIR基金會合作，宣布對FHIR的承諾。谷歌雲醫療保健副總裁Greg Moore表示：「FHIR基金會和Google Cloud將共同合作，支持FHIR開發生態系統，並為醫療保健生態系統的數據互操作鋪平道路。」

「這種合作是幫助開發人員快速構建基於FHIR的體驗的重要一步，而不需要擔心底層基礎設施—這就是雲的關鍵優勢。」他補充說。

「這些努力加上Google與學術研究中心的持續合作，可能會在未來幾個月和幾年內帶來許多新的進展。」 Katherine Chou說。

開發可以使用EHR數據、聲明數據、患者生成的健康數據、成像數據和其他信息來源進行預測分析和診斷的演算法，將成為在護理連續體中共享知識、數據和思想的關鍵。

「我們相信，只有當醫學界和深度學習的專家密切合作時，使用機器學習的臨床突破才會到來。」她說。

「我們大多數在Google工作的人都不是醫生，但每個人都生過病或受過傷，甚至失去了親人。我們在Google有各自的獨特優勢，我們可以為改善醫療條件做出貢獻，所以我們必須嘗試。我們期待著增加我們的醫療保健合作夥伴，希望能夠共同提高全球數百萬人的健康水平。」

來源：Health It Analytics

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！