# 提前 48 小时预测疾病？Google 系公司做到了 - 作者：吴志奇 - 发布时间：2019-08-01 14:38 - 分类：软件 - 原文：https://www.ifanr.com/1243129 ![](https://s3.ifanr.com/wp-content/uploads/2019/08/1.png) 当年用 AI 单挑世界围棋冠军的 DeepMind 公司又有新突破了，这次它们想要「救人命」。 最新[发表在《Nature》上的研究](https://www.nature.com/articles/s41586-019-1390-1)，展示了 DeepMind 研制出来的一种深度学习模型，通过它，能提前 48 小时预测急性肾损伤（AKI）是否会发生。 提前预测急性肾损伤有多重要？ 单在美国和英国，每 5 名患者中就有一名患有急性肾损伤，预计每年造成 140 万人死亡。 ![](https://s3.ifanr.com/wp-content/uploads/2019/08/20190801101035142.jpg) ▲ 图片来自：[BACA](http://wap.mi.baca.co.id/28878404?origin=relative&pageId=14cfa427-3b1d-44ab-8b4c-709520f59ac4&PageIndex=1) 这些患者随身面临肾功能突然衰竭的风险，一旦肾功能停止运作，就无法从血液中去除毒素，或永久性地损害肾脏，或迅速恶化导致产生其它疾病，人们将面临移植肾脏和死亡的风险。 DeepMind Health 的[临床主管 Dominic King 表示](https://www.wired.com/story/alphabets-ai-predict-kidney-disease/)： > 急性肾损伤目前难以及时监测，过去患者一般在肾脏开始恶化后两三天才能被发现，如果医生及早进行干预，可以预防高达 30％ 的疾病病例。 所以 DeepMind 联合美国退伍军人事务部（VA），对美国共 703,782 名退伍军人的病历开始了两年的分析，搜集了有 10 年病史的患者信息，单个人就达到数百万个指标，最终创建出了这个预测 AKI 进展的机器学习模型。 ![](https://s3.ifanr.com/wp-content/uploads/2019/08/16c0264a8afc12b.jpg) DeepMind 通过与这些患者后来是否被诊断进行对比，来确认其模型的准确性。 结果发现，该模型能够提前两天对 90% 的患者进行准确预测，确认肾功能严重恶化以致需要长期透析的患者，比起传统的标准 AI 模型检测，它的准确率翻了一番。 DeepMind 表示，这是它们团队「**迄今为止最大的医疗保健研究突破**」。 另外，DeepMind 还希望结合医疗移动助手 Streams 一起工作，这也能帮助 DeepMind 的研究更快地商业化。 Streams 使用 NHS 算法检测急性肾损伤，已在多家医院部署，能为临床医生提供紧急情况的信息。 ![](https://s3.ifanr.com/wp-content/uploads/2019/08/streams-workplace-768x512.jpg) ▲ 图片来自：[New Scientist](https://www.newscientist.com/article/2212100-its-too-soon-to-tell-if-deepminds-medical-ai-will-save-any-lives/) 经过伦敦大学学院领导的[ Streams](https://go.skimresources.com/?id=100099X1555751&xs=1&isjs=1&url=https%3A%2F%2Fwww.nature.com%2Farticles%2Fs41746-019-0100-6&xguid=295e91413db44b08b5ae0e5f84402612&xuuid=606f6b65338b3432e8660f808dbf8e5d&xsessid=&xcreo=0&xed=0&sref=https%3A%2F%2Fwww.wired.com%2Fstory%2Falphabets-ai-predict-kidney-disease%2F&xtz=-480&jv=3.21.8-stackpath&bv=2.5.1)[评估](https://go.skimresources.com/?id=100099X1555751&xs=1&isjs=1&url=https%3A%2F%2Fwww.nature.com%2Farticles%2Fs41746-019-0100-6&xguid=295e91413db44b08b5ae0e5f84402612&xuuid=606f6b65338b3432e8660f808dbf8e5d&xsessid=&xcreo=0&xed=0&sref=https%3A%2F%2Fwww.wired.com%2Fstory%2Falphabets-ai-predict-kidney-disease%2F&xtz=-480&jv=3.21.8-stackpath&bv=2.5.1)[结果显示](https://go.skimresources.com/?id=100099X1555751&xs=1&isjs=1&url=https%3A%2F%2Fwww.nature.com%2Farticles%2Fs41746-019-0100-6&xguid=295e91413db44b08b5ae0e5f84402612&xuuid=606f6b65338b3432e8660f808dbf8e5d&xsessid=&xcreo=0&xed=0&sref=https%3A%2F%2Fwww.wired.com%2Fstory%2Falphabets-ai-predict-kidney-disease%2F&xtz=-480&jv=3.21.8-stackpath&bv=2.5.1)，该应用程序能使监测紧急 AKI 病例的时间从两个多小时变为 14 分钟，被遗漏的案例从之前人工的 12.4%，降到了使用应用程序的 3.3％。另外，Streams 还可以节省约 1/3 的医疗成本。 但 Streams 是根据单次血液测试的结果来提醒医疗人员，结合 DeepMind，能让护理从「被动反应型治疗」转到「主动预防性护理」。 但此项研究还不足以完全信任的地方在于，它不可避免地会引起人们的隐私恐慌。 ![](https://s3.ifanr.com/wp-content/uploads/2019/08/56.png) ▲ 图片来自：[GQ](https://www.gq.com/story/faceapp-privacy-policy) 就算 DeepMind 在研究中可以自动识别和去除敏感数据，但因为它收集了大量个人化数据，依然会引起人们的忧虑，毕竟前年 DeepMind [就被指通过非法交易](https://baijiahao.baidu.com/s?id=1577679581283820657&wfr=spider&for=pc)获得 160 万 NHS 患者的病历信息。 而且，这次的研究还存在着医学研究常见的中「性别偏见」，女性仅占其人工智能培训记录人数中的 6.38％，且数据也仅限于美国部分人群，严格意义上来讲，它并不具备普适性。 另外，DeepMind 也未真正跟当前的医疗实践成果进行比较。 ![](https://s3.ifanr.com/wp-content/uploads/2019/08/2.png) ▲ 图片来自：[Internet of Business](https://internetofbusiness.com/report-warns-of-deepmind-health-monopoly/) 尽管 AI 经常被吹捧为医生最大的竞争对手，甚至可能取代医生，但大部分研究都很少进行严格的临床试验，只有确认它真实可行时，这些技术才能真正进入人们生活。 [DeepMind 表示](https://techcrunch.com/2019/07/31/deepmind-touts-predictive-healthcare-ai-breakthrough-trained-on-heavily-skewed-data/)： > 此次研究还只是第一步。在更广泛地使用它之前，我们需要掌握更多实践后的代表性数据。 > > 下一步我们将进行具有回顾性和前瞻性的研究来验证模型，先预测它如何影响临床环境中的护理结果。 而这些成果，都将变成 DeepMind 未来实现预防性医疗保健的基石。 去年 DeepMind 就使用 AI 检测超过 50 种威胁视力的眼部疾病，它们表示，[接下来还会继续](https://www.ft.com/content/c7cbcfba-b2b2-11e9-8cb2-799a3a8cf37b)尝试诊断败血病、心脏病、乳腺癌、肝功能衰竭等疾病领域。 ![](https://s3.ifanr.com/wp-content/uploads/2019/08/5.png) ▲ 图片来自：[NewsBeezer](https://newsbeezer.com/uk/ai-system-as-good-as-top-experts-in-the-identification-of-eye-diseases-2/) 以此，不仅可以改善人们的疾病检测过程，还能降低治疗各种疾病的成本。 但屡现不止的隐私问题，现在依然没有任何一家科技公司能给出完美的答案。 题图来自：[Fisoft](http://www.mebeli-za-doma.info/cogx-conference.html)