醫生啊,快告訴我情況怎麼樣了:問 GPU 預測重病吧

作者 Jamie Beckett

深度學習技術讓醫師們在診斷出疾病前,能先找出高風險病患,從而挽救他們的生命。

紐約西奈山伊坎醫學院的研究團隊使用隸屬於人工智慧分支的深度學習技術,分析病患的電子病歷,找出隔年內誰最有可能罹患重病。

這項稱為「Deep Patient」的實驗性工具,使用12年份、共70萬件的患者病歷進行訓練,在進行測試之際,它能預測罹患數十種疾病的風險,包括心臟衰竭、多種癌症和嚴重的糖尿病。

日前在 Nature 出版社《Scientific Reports》期刊文章內介紹西奈山伊坎醫學院研究報告的作者 Joel T. Dudley 說:「對於多數疾病,預防比反轉還簡單。這對人們的健康會有著重大影響。」

電子病歷希望無窮

本身也是西奈山伊坎醫學院助理教授的 Dudley 說,醫病雙方在預警內容的協助下爭取到寶貴時光去採取行動,以預防疾病或至少延遲疾病發生的機會,像是醫師可以建議病患服用新式藥物或接受特殊飲食安排。

Dudley 表示採用 GPU 加速技術的 Deep Patient 還能節省醫療費用。醫療服務業者將資源專用於降低高風險病患的發病機會,就能省下日後高昂的治療費用。

促進研究團隊發展 Deep Patient 的動力,有部分來自對於電子病歷的無力感。Dudley說病歷有著實驗室測檢測結果、手術、藥物、病史等大量病患相關資訊,然而迄今醫師們仍無法運用那些數據來改善診斷或治療結果。

醫師觀看病患的電子病歷。圖片提供:美國農業部,採用創意公用授權條款。
醫師觀看病患的電子病歷。圖片提供:
美國農業部,採用創意公用授權條款。

「電子病歷是用在帳單上,並非醫師手上的一項利器。」Dudley 說。

研究團隊想要使用電子病歷和深度學習技術推動精準醫學,為每位病患量身打造疾病預防和治療措施。

研究團隊使用 NVIDIA Tesla K80 GPU 加速器與 CUDA 程式編寫模型,投入數千筆病歷來訓練他們的神經網路,並且對約 75,000 名患者測試模型的運算結果。

預測多項疾病,而非單項疾病

西奈山伊坎醫學院研究團隊不是第一個使用電子病歷和深度學習技術來預測發病風險的隊伍-請見《換心:人工智慧技術如何在診&斷前預測心臟衰竭的情況》(How AI Can Predict Heart Failure Before It’s Diagnosed一文),只是他們跟前人只著重在單項疾病上的作法不同,西奈山團隊提出新的作法來呈現病患資料讓電腦進行分析,可以預測近八十項疾病。

Dudley 說:「舊的作法是專為每種情況呈現特定疾病的單一資料,患者身上通常不會只有一種疾病,而是有多種。」

西奈山伊坎醫學院資料科學家,也是報告第一作者的 Riccardo Miotto 說,西奈山研究團隊在一項呈現內容裡囊括了病患的所有病史。

在醫師們真正將 Deep Patient 用在患者身上前,還需要更多努力。西奈山伊坎醫學院的研究團隊下一步打算加入更多類型的資料,像是基因資訊和家族病史,以提高預測的正確率。

更多資料,更正確的判斷

Dudley 說他希望可以加入電子病歷以外的資料,讓醫師能用於判斷出更佳的診斷和治療內容。

「難處之一在於醫師沒有什麼時間去處理病患和電子病歷裡的龐大資訊。」他說。

目前可以從穿戴式醫療裝置取得更多基因資訊和數據,他說:「醫師們開始覺得措手不及,我們想要建立起一套系統,充分利用這些資料來預測患者的健康情況和讓醫師們獲得新的見解。」