在接受了460億位患者電子健康數據的培訓后，谷歌的人工智能現在在預測患者健康結果方面顯示出了希望。

谷歌(GoogleBrain)和斯坦福大學(StanfordUniversity)的研究人員最近在“自然”(Nature)雜志上發表了一篇論文，詳細闡述了他們利用大數據和深度學習方法

研究人員使用這些算法來預測重要的結果，如死亡；重新入院以衡量護理質量；病人住院時間以衡量資源利用情況；預測病人的診斷，以了解臨床醫生如何理解病人的問題。

研究小組采用了一種不同的方法來建立預測統計模型，方法是考慮包括臨床記錄在內的所有患者健康記錄的“代表性”，而不是從分析中刪除大部分患者的信息。

如前所述，創建分析模型的80%的工作是清理數據，因此它可以提供一種方法來擴展預測模型，前提是數據是可供挖掘的。

他們還開發了一種向臨床醫生展示其模型"看了"對每個患者預測結局的方法。

這項技術將允許臨床醫生檢查預測是否基于可信的事實，并解決所謂的“黑匣子”方法的擔憂，這些方法無法解釋為什么做出預測。

谷歌去年開始與加州大學舊金山分校(UC San Francisco)、芝加哥醫學大學(University Of Chicago Medicine)和斯坦福醫學(Stanford Medicine)合作開展該項目，這讓他們能夠獲得大量未經識別的醫療記錄，以驗證那里的深度學習模式。

總共有216221名成人患者接受了健康記錄，他們住院24小時或以上，產生了超過46億的數據點。

"我們證明使用這種表示的深度學習方法能夠準確地預測來自多個中心的多個醫學事件而沒有特定于位點的數據協調,"研究人員注意到。

正如彭博社（Bloomberg）報道的那樣，醫學專家對谷歌從PDF上的注釋中挖掘數據或在舊圖表上手寫注釋的能力印象深刻，這些數據以前很難納入預測模型。谷歌的系統比以前的技術更快更準確。

這項研究在谷歌創造了興奮，因為它可以為利潤豐厚的醫療保健市場開辟一扇新的大門，在那里它有朝一日可以將AI-AS-A服務銷售給時間受限的臨床醫生。

研究表明，與傳統方法相比，谷歌的模型能更好地預測患者的一系列結果和指標。

例如，在住院死亡率方面，它的滿分為1.0分，而傳統方法為0.86分。

在一篇博文中，谷歌淡化了人工智能將取代人類臨床醫生在診斷病人中的作用的想法。

研究人員指出：“我們強調的是，這個模型并不是診斷病人--它能接收到病人的信號、他們的治療方法以及他們的臨床醫生寫的筆記，所以這個模型更像是一個好的傾聽者，而不是一個診斷大師。”