健康飲食、睡眠充足、規律運動，還有詢問醫師關於人工智慧的事。
很快人工智慧會讓你變的更長壽。醫師們藉由 GPU 跟深度學習，只需分析病患的電子病歷，就能將預測疾病的時間大幅提前不少。
「未來醫學將從治療轉變為防治。我們想要得知這個人是否有可能罹患某種疾病？ 我們是否能加以預測?」紐約大學朗格尼醫學院教授 Narges Razavian 說。
將人工智慧用於預測疾病
Razavian 在5月舉行的 GPU 科技大會裡，介紹她在紐約大學的研究團隊如何藉由分析實驗室檢驗結果、醫師證明和 X 光片等電子病歷內容，將預測200種疾病的速度較傳統方法提前了三個月。
Razavian 的深度學習軟體只使用三年間收集到的18種常見實驗室測量結果，便精準預測了心臟衰竭、嚴重腎衰竭、肝病、糖尿病及荷爾蒙相關失調情況。
「許多疾病都是可以預防的，但是這些疾病發作的速度非常緩慢，人們都是到病況加重之際才會發現。要是我們能利用深度學習這項強大的工具讓患者知道自己的身體情況，就能在還有時間醫治的時候加以預防。」Razavian 說。
紐約大學的研究團隊運用其深度學習軟體來預測嚴重腎衰竭的情況。及早發現腎病，患者就不用洗腎了。
研究人員發現疾病間不為人知的關連
紐約大學研究團隊並非首支發現利用電子病歷就能讓人們更長壽的隊伍（例如請見《醫生啊，快告訴我情況怎麼樣了：問 GPU 預測重病吧，Doctor, Doctor, Give Me the News》及《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》兩篇文章）。
Razavian 表示這些團隊的區別在於是否有能力結合各類長期病歷紀錄，發現它們之間過去不為人知的關係。
舉例來說，研究人員在患者體重、血壓、血糖、肝功能和膽固醇等900項測量項目間穿針引線，預測出第二型糖尿病。在這個過程中他們發現睡眠呼吸中止症、急性支氣管炎、甲狀腺機能低下症及貧血，這些尋常看似跟糖尿病無關的因素，或許也能用於預測糖尿病。
「這讓我們更瞭解這些疾病的生物機制。」Razavian 說。
深度學習如何用在預防疾病上
研究團隊使用從410萬名保戶裡挑選出的20萬人實驗室測量和診斷資料，來訓練兩套神經網路預測疾病。這些資料非常「原始」，代表未加上任何標籤或未經過任何處理。
團隊將研究內容進行測試，以改善紐約大學醫學中心護理師探望和電話訪問25萬名高風險患者的一項計畫。他們使用深度學習來預測哪些患者可能會出現特定情況，協助醫院判斷誰需要採用加強生活方式管理計畫，以預防疾病。
他們的研究也協助自動排定護理師探望和篩檢高風險患者的時間。
Razavian 及其他研究人員希望使用電子病歷和深度學習來促進精準醫學領域的發展，這是一種為每名患者量身打造疾病預防和治療內容的方法。
「我們的研究項目有著相當大的應用潛力，目前只是苦於人手和時間不足。」她說。