谷歌人工智能的研究結果可以告訴醫生，你最可能的治理結果是康復出院、病情復發重新入院還是死亡。

谷歌正在開發一種人工智能新版本，可以預測人們的醫院療程的結果。

這些算法，基于由研究人員訓練的神經網絡，可以告訴醫生你最可能的治理后結果。

這項研究的價值是巨大的，因為它不僅可以警告醫生們盡早采取行動，以增加病人的生存機會——特別是對于那些患有慢性疾病的病人——而且還可以通過更精確的診斷來降低醫療費用。

這一研究結果的該文章發表在了由Alphabet旗下的谷歌、斯坦福、芝加哥大學和加利福尼亞大學聯合開展的研究中。

谷歌的產品和研究主管Katherine Chou在一篇博客文章中寫道，這是“許多臨床醫生向谷歌提出的要求，詢問是否更好地利用健康信息可以產生更好的結果。”

計劃外的重新入院每年花費170億美元，而感染導致9.9萬人死亡。藥物問題導致超過77萬人受傷和死亡。

這樣的預防預測系統可以幫助臨床醫生檢測乳腺癌或幫助糖尿病患者發現和預防失明。

它還將加快確定需要舒緩治療的患者的過程;這份報告說，只有一半的需要接受舒緩治療的患者享受到了這項療程，因為過于樂觀的醫生通常會高估病人的存活可能性和存活時間。

谷歌聲稱它的死亡率預測比目前的方法更精確24-48小時。

醫療保健現在占美國經濟的20%，而這只是試圖控制不斷上升的成本的眾多努力之一。

今年1月，摩根大通Berkshire Hathaway公司表示，他們將聯手控制成本，改善員工的護理。不過，外界人士指出，他們的成果主要重點在于技術，而缺乏細節。

在另一項努力中，IBM將其沃森超級計算機作為對抗癌癥的強大武器，但一直難以獲得支持。

由于任何神經網絡都需要樣本來學習和訓練，谷歌從216221名成年患者身上獲取了匿名的醫學信息，結合了460多億個個體數據集，其中包括臨床筆記。

這些數據來自于兩家醫院的11年聯合實踐——加州大學舊金山醫學中心(2012年至2016年)和芝加哥大學醫學院(2009-2016年)。

谷歌的發現聽起來很有希望，但在大規模數據分析技術在美國的醫療體系中大規模實施之前，需要克服相當多的障礙。

第一是數據獲取和質量問題。

對于谷歌算法來說，臨床筆記尤其難以理解，因為很多都沒有很好地打上標簽，而且每位醫生都使用了不同的書寫方式，而其中一些筆跡難以辨認。

他們可能會僅填一些必要的選項，而在其它選項中留下空白。還有一些人在表格之外書寫，或在表單上到處寫滿注釋。

谷歌的團隊不得不使用三個額外的深層神經網絡，來分辨這些筆記中哪些部分的臨床數據與最終的預測有關。

這并不是這組數據所獨有的問題:另一項研究發現，電子健康記錄數據與患者報告的數據相匹配的情況僅占病例總數的23.5%。

在其他情況下，電子記錄可能缺乏有關癥狀的信息，而這些癥狀對于正確診斷是至關重要的。

只有在衛生保健行業系統地改進其數據收集做法之后，這個問題才能得到解決。

第二，提供者的數據集必須是統一的和可訪問的。

目前，情況并非如此，因為許多系統是封閉的，而許多數據被儲存為多種格式。

一旦大多數衛生保健行業內的醫院接受統一的數據庫格式，人工智能的工作就會容易得多。