在醫(yī)療保健中使人工智能民主化

在推薦膿毒癥治療方面優(yōu)于人類醫(yī)生的人工智能計劃可能很快將進入倫敦的臨床試驗。機器學習模型是一種新的醫(yī)學實踐方法的一部分，該方法開采電子醫(yī)療記錄數(shù)據(jù)，以便更有效地診斷和治療困難的??醫(yī)學問題，包括敗血癥，一種每年在全世界殺死約600萬人的血液感染。

通過冗長的，精心控制的實驗，發(fā)現(xiàn)了一種有希望的敗血癥治療策略，并不是常規(guī)方法。相反，它出現(xiàn)在2015年倫敦一場自由的黑客馬拉松比賽期間。

在一個將工程師和醫(yī)療保健專業(yè)人員聚集在一起的競賽中，一個團隊使用麻省理工學院的開放式訪問MIMIC 數(shù)據(jù)庫，在重癥監(jiān)護病房中更好地治療敗血癥患者 。一名團隊成員Matthieu Komorowski將繼續(xù)與麻省理工學院的研究人員合作，他們負責監(jiān)督MIMIC開發(fā)一種強化學習模型，該模型可預測較低劑量靜脈輸液和較高劑量血管收縮藥物的患者存活率較高。研究人員公布了他們的 調(diào)查結(jié)果 ，今年秋天在 自然醫(yī)學。

這篇論文是由麻省理工學院研究員，貝斯以色列女執(zhí)事醫(yī)療中心的職員醫(yī)生Leo Celi開創(chuàng)的“數(shù)據(jù)系統(tǒng)” 研究的一部分。Celi 于2014年1月舉辦了 第一次數(shù)據(jù)通話，以激發(fā)波士頓地區(qū)護士，醫(yī)生，藥劑師和數(shù)據(jù)科學家之間的合作。五年后，數(shù)據(jù)通信現(xiàn)在每個月在世界某個地方發(fā)生一次。

經(jīng)過數(shù)月的準備，參與者通過MIMIC或當?shù)財?shù)據(jù)庫聚集在贊助醫(yī)院或大學周末，以尋找更好的診斷和治療重癥監(jiān)護病人的方法。許多人繼續(xù)發(fā)表他們的工作，并且在該計劃的新里程碑中，強化學習論文的作者現(xiàn)在正在倫敦帝國理工學院附屬的兩家醫(yī)院為臨床試驗準備他們的敗血癥治療模型。

作為一名年輕的醫(yī)生，Celi對他在患者護理中看到的各種變化感到不安。對于普通患者而言，最佳治療方法似乎不適合他遇到的患者。到了2000年代，Celi可以看到分析電子醫(yī)療記錄數(shù)據(jù)的新工具有多強大，可以為患者提供個性化護理。他離開了他的醫(yī)生工作，分別在哈佛大學和麻省理工學院攻讀公共衛(wèi)生和生物醫(yī)學信息學雙碩士學位。

畢業(yè)后加入麻省理工 學院醫(yī)學工程與科學研究所，他確定了醫(yī)療保健數(shù)據(jù)革命的兩個主要障礙：醫(yī)療專業(yè)人員和工程師很少互動，大多數(shù)醫(yī)院擔心責任，他們希望保留患者數(shù)據(jù) - 所有這些都來自實驗室測試醫(yī)生的筆記 - 遙不可及。

Celi認為黑客馬拉松風格的挑戰(zhàn)可以打破這些障礙。醫(yī)生們將在數(shù)據(jù)科學家和MIMIC數(shù)據(jù)庫的幫助下集體討論問題并回答問題。在此過程中，他們的工作將向醫(yī)院管理員展示他們尚未開發(fā)的檔案的價值。最終，Celi希望發(fā)展中的醫(yī)院也能受到啟發(fā)，創(chuàng)建自己的數(shù)據(jù)庫。無法負擔臨床試驗的研究人員可以了解自己的患者群體并更好地對待他們，使新知識的創(chuàng)建和驗證民主化。

“研究不一定是昂貴的臨床試驗，”他說。“患者健康記錄數(shù)據(jù)庫包含數(shù)百萬涉及患者的小型實驗的結(jié)果。突然間你有幾個可以分析和學習的實驗室筆記本。“

到目前為止，倫敦，馬德里，塔拉戈納，巴黎，圣保羅和北京的一些贊助醫(yī)院已經(jīng)開始計劃建立自己的MIMIC版本，這使得麻省理工學院的Roger Mark和Beth Israel七年來一直在發(fā)展。今天，由于MIMIC團隊開發(fā)并與他人共享標準化和去識別患者數(shù)據(jù)的工具，這個過程要快得多。

Celi和他的團隊通過在麻省理工學院招待研究人員并在全球數(shù)據(jù)通信中與他們重新聯(lián)系，在數(shù)據(jù)通信之后很久就與他們的外國合作者保持聯(lián)系。“我們正在歐洲，亞洲和南美洲建立區(qū)域網(wǎng)絡(luò) - 所以他們可以互相幫助，”Celi說。“這是擴展和維持項目的一種方式。”

最大的Humanitas Research醫(yī)院將于 2月1日至3日舉辦下一屆 米蘭重癥監(jiān)護數(shù)據(jù)研討會，而最近交由麻省理工學院的Giovanni Angelotti和Pierandrea Morandini正在幫助將其付諸實施。“大多數(shù)時候，臨床醫(yī)生和工程師講不同的語言，但這些活動促進了互動并建立了信任，”莫蘭迪尼說。“這不像是在有人在說話的會議上你做筆記。你必須建立一個項目并將其延伸到最后。在這個領(lǐng)域沒有這樣的經(jīng)歷。“

通過Jupyter Notebook，Google Colab和GitHub等工具，這些活動的速度有所提升，讓團隊可以立即深入了解數(shù)據(jù)，并在幾個月后進行協(xié)作，縮短了發(fā)布時間。Celi和他的團隊現(xiàn)在在麻省理工學院教授一個為期一學期的課程，HST.953(醫(yī)學合作數(shù)據(jù)科學)，以數(shù)據(jù)通信為藍本，為這種研究創(chuàng)建了第二條管道。

除了標準化患者護理并使所有人都能獲得醫(yī)療保健AI之外，Celi和他的同事們還看到了數(shù)據(jù)系統(tǒng)的另一個好處：他們內(nèi)置的同行評審過程可以防止更多有缺陷的研究被發(fā)表。他們概述了2016的情況下， 一塊 在 科學轉(zhuǎn)化醫(yī)學。

“我們傾向于慶祝被告知的故事 - 而不是代碼或數(shù)據(jù)，”研究合著者湯姆波拉德說，他是麻省理工學院研究員，也是MIMIC團隊的一員。“但是，這些代碼和數(shù)據(jù)對于評估故事是否真實以及研究是否合法至關(guān)重要。”