换心：人工智能技术如何在诊断前预测心脏衰竭的情况

你应该不想在急诊室里，才知道自己有着心脏衰竭的毛病。

分析电子病历表的研究人员运用人工智能与 GPU 夺得先机。在医师宣布诊断结果的九个月前，便能预测病患是否会出现心脏衰竭的情况。

一个位于北加州的非营利研究团队Sutter Health，和乔治亚科技机构相信他们的方法可以有效的降低心脏衰竭并且抢救生命。

Sutter Health的一位资深资料科学家 Andy Schuetz 说“ 越早发现病灶，我们越有可能改变病人健康情况的结果，并且改善他们的生活质量”同时，他也在一份报告中这么描述他的研究观点“ 可能改变未来的这件事，让我非常兴奋。”

一个主要医学期刊正考虑发行这一份完整研究过程及成果报告

人工智能技术让医师们掌握尖端诊断工具

美国心脏协会指出每年全球约有2300万人（含近600万名美国人）出现心脏衰竭的情况，风险不可谓不高。心脏衰竭指心肌变得虚弱，无法供应足够的血液和氧气来满足身体需求，半数被诊断出有心脏衰竭的病患在五年内便会死亡。

Andy Schuetz 说，要是医师知道哪些病患可能会出现心脏衰竭的情况，便能对症下药或建议改变生活型态或饮食，以延后发病时间或杜绝。

全美各地有愈来愈多医疗院所采用人工智能和 NVIDIA 的技术来推动更佳的医疗质量。NVIDIA 上周宣布与麻萨诸塞州综合医院合作采用最新的人工智能技术来改善疾病监测、诊断、治疗和管理的质量。

研究团队分析 265,000 名萨特医疗集团（Sutter Health）病患的电子病历表，其中研究了 3,884 名有着心脏衰竭情况的病患，另有 28,900 名病患为控制组。

研究人员使用一种能用于解决脸孔或语音辨识等复杂技术问题的人工智能技术“ 深度学习”来分析这些病历，而深度学习技术的解题能力有时候甚至超越人类的表现。

研究过程中难题之一是计算机如何理解医师所开的处方笺或各式各样的查访病历。另一个难题是长时间追踪病历变动情况，以全盘了解病患的身体健康情况。

深度学习 vs. 传统机器学习

乔治亚理工学院助理教授，亦为研究报告作者的 Jimeng Sun 说预测心脏衰竭发病时间不是什么新的难题，差别在于深度学习与 GPU。

深度学习跟传统机器学习的不同之处，在于它无需人类专家来订定计算机在资料内应评估各因素，这是一项得耗费大量时间的工作。在早期的研究里，Sun 说他跟其他人要投入多年的时间与专家们合作，以建立机器学习模型。

乔治亚理工学院的博士候选人，也是报告的另一名作者 Edward Choi，一个暑假待在Sutter Health萨特医疗集团，试图运用深度学习技术来解决问题。