研究人员表示,有一种新方法,能够利用深度学习对大量的个人健康数据进行分析,从而发现心衰的早期症状。

美国医学信息学会会刊刊登的一篇论文描述了这种方法是如何解决数据的时效性问题的——这一问题此前在应用于医疗的传统机器学习模型中一直被忽略。

该研究利用深度学习模型进行早期探查,可以发现未来6-18个月内导致心力衰竭的情况和阶段。为了做到这一点,研究人员们使用了一种递归神经网络(RNN)对电子病历记录建立时间序列模型。

所谓时间序列指的是事件或状态出现的时间顺序,这种关系一般被用于自然语言处理。但是研究人员们发现了充分利用RNN的新可能。

“我研究的是深度学习,之前我在想能否将RNN引入医疗领域。这是一种通用的处理序列的模型,通常用于翻译领域,”佐治亚理工学院博士生爱德华·蔡如是说,他与该校计算科学与工程学院副教授孙继萌(音译)共同进行此项研究。

通过运用RNN,算法能够预测心衰的早期阶段,从而使有患心脏病风险的病人进行更好地预防。

孙教授表示:“机器学习正在应用于医疗的方方面面,从诊断、治疗到术后病人护理建议。这一模型主要关注深度学习,并且已经在很多行业取得了巨大成功。然而,在医疗领域,我们还处在开拓深度学习的阶段,爱德华便是最早应用这一技术的人之一。”

根据美国疾病控制和预防中心的数据,在美国,有570万人受心衰困扰,在出现心衰中的人中,有一半会在确诊后五年内死亡,每年为国家造成307亿美元的经济损失。

这些新发现能够让医生为病人提供早期干预,每年为上百万美国人带去福音。

蔡先生说道:“这是一项初步的工作,它已经显示出优于传统模型的潜力——也为深度学习在医疗行业发挥积极作用提供很好的条件。”

作者:Kristen Perez,佐治亚理工学院职员

以上内容仅代表作者个人观点。

本文由世界经济论坛与Futurity联合发布,转载请注明来源并附上原文链接

责编:张智

世界经济论坛是一个独立且中立的平台,旨在集合各方观点,讨论全球、区域及行业性重要话题。