（示意圖/來源為Pixabay）
據消息，谷歌和加州大學舊金山分校（UCSF）的研究人員開發了一個AI系統，在75%的情況下能預測醫生的處方決定。如果應用於醫療系統中，它可以辨識出病人或看起來情況異常的處方。
這項成果發表在《臨床藥理學與治療學》(Clinical Pharmacology and Therapeutics)雜誌上。
研究科學家Kathryn Rough和谷歌健康醫學博士Alvin Rajkomar，在一份報告中寫道，儘管沒有醫生、護士或者藥劑師希望犯下傷害患者的錯誤，但研究表明，2%的住院患者經歷了嚴重與藥物錯誤使用有關的醫療事件。
這些事件很可能危及生命，造成永久性傷害或者導致患者死亡。
為此，AI系統使用一個資料庫進行訓練，該資料庫包含來自10萬多個住院患者產生的約300萬個藥單，透過使用隨機改變日期的可追溯性電子健康記錄，並根據HIPAA刪除部分記錄（包括姓名、住址、聯絡方式、記錄號碼、醫生姓名、免費文本注釋、圖像等）。更重要的是，資料庫不侷限於特定的疾病或者醫療領域，使得任務更具有挑戰性，同時，也有助於確保模型能夠辨識範圍更廣的疾病種類。
研究人員評估了兩個模型：學習了對長期依賴性進行建模的長短期記憶（LSTM）遞迴神經網路，以及類似於臨床健康研究中常用的邏輯模型。將兩者都與基線進行比較，該基線根據患者的醫院服務（例如：普通醫療、普通外科、產科、心臟病學），和入院以來的時間對最常用的藥物進行排名。
每次在回顧性的資料中訂購藥物時，這些模型都會列出990種可能的藥物，研究人員評估這些模型，決定是否將每個病例中實際訂購的藥物，以較高概率分配給醫生。每一個模型的表現都是透過將其排名，選擇與醫生實際開的藥物進行比較來評估。
表現最好的是LSTM，前10名名單中至少有93%的藥物是由臨床醫生在第二天內為給定的患者訂購的。在55%的病例中，模型正確地將醫生開出的藥物列為最可能服用的10種藥物之一，75%的訂購藥物排在前25名。
研究人員寫道，「重要的一點是，以這種方式訓練的模型重現了歷史資料中醫生的行為，而沒有學習最佳的處方模式，這些藥物可能如何工作，或可能發生什麼副作用。在我們的下一階段研究中，將研究在哪些情況下，這些模型能用於發現用藥錯誤。」
「我們期待著與醫生、藥劑師、其他臨床醫生和患者合作，我們將繼續研究，以量化這種模型是否有能力捕捉錯誤、確保患者在醫院的安全。」
不得不說的一點是，谷歌在AI醫療方面的工作非常廣泛。
據了解，此前，谷歌開發出一種模型，能以「人類水準」的精確度對X光片進行分類。去年，谷歌表示，它的肺癌檢測AI系統，超過了6名人類放射科醫生，而皮膚診斷模型，能像醫生一樣準確地檢測出26種皮膚狀況。
最近谷歌的一項成果是利用AI模型，在更少的假陽性下，從乳房X光片中辨識乳腺癌。谷歌還與印度馬杜賴的亞拉文眼科醫院(Aravind Eye Hospital)合作，從視網膜圖像診斷眼疾。