深度学习技术如何判断药物治疗方法，以求在病患身上获得更佳的治疗结果

儿科加护病房里的处境是最危险的。

儿童来到这里时常带着复杂的慢性疾病，包括呼吸道疾病、创伤、术后照护的问题、败血症及其他传染病，其中有许多则是急诊患者。

洛杉矶儿童病院的资料科学家 David Ledbetter 及其研究团队，使用搭载 GPU 的深度学习技术来消化相当于十年间儿科加护病房的海量资料，以求为孩子们找到最佳的药物治疗方式。

Ledbetter 有一个简单的主要目标，那就是让病患获得最佳的治疗结果。

“望进儿科加护病房时，会见到无数的电线。”他日前在硅谷举行的 GPU 科技大会上，对满座的嘉宾们这么说。

“你不会常见到其实里面还有病患，而我们想将重点放在病患身上。”他说。

利用大数据

威力强大的 GPUs 让科学家能运用人工智能领域里快速发展的旁支“深度学习”技术，以教导计算机学习海量资料里的各种模式。

Ledbetter 的团队从洛杉矶儿童病院儿科加护病房的病历中，建立近 1.3 万笔所谓的“病患快照”，以训练其深度学习模型。

快照内容详细记录病患生命征状、心跳率、血压和曾接受过的治疗方式之间的相互关系，Ledbetter 及其团队将这些快照资料投入两个独立的神经网络模式，使用 TITAN X GPUs 在数小时内便完成训练。

提高结果

他们使用卷积神经网络提高估算生存的可能性，而使用递归神经网络则能预测病患的长期生理机能状态，有助于让他们更明白病患生命征状和加护病房内进行的医疗介入行为之间的重要关系。

病患快照

“我们期望要是能让病患稳定下来，就能交给病患自身的防御能力去抵抗疾病。” Ledbetter 说。

“医师们重视随着时间过去存活下来的情况，从 80% 的生存机会，在一小时内掉到只剩 50%，两者有着很大的差别，因此我们测量治疗方式，以求对病患有更好的结果。”

在制定攸关生死决定的关键时刻里，“我们会发挥影响力”Ledbetter 说。将信息交给医生，有助于“保证我们尽一切努力妥善运用信息，给予孩子们更好的治疗。”