预防大于治疗：人工智能如何协助疾病预警

健康饮食、睡眠充足、规律运动，还有询问医师关于人工智能的事。

很快人工智能会让你变的更长寿。医师们藉由 GPU 跟深度学习，只需分析病患的电子病历，就能将预测疾病的时间大幅提前不少。

“未来医学将从治疗转变为防治。我们想要得知这个人是否有可能罹患某种疾病？ 我们是否能加以预测?”纽约大学朗格尼医学院教授 Narges Razavian 说。

将人工智能用于预测疾病

Razavian 在5月举行的 GPU科技大会里，介绍她在纽约大学的研究团队如何藉由分析实验室检验结果、医师证明和 X 光片等电子病历内容，将预测200种疾病的速度较传统方法提前了三个月。

Razavian 的深度学习软件只使用三年间收集到的18种常见实验室测量结果，便精准预测了心脏衰竭、严重肾衰竭、肝病、糖尿病及荷尔蒙相关失调情况（点阅读原文，可以下载论文）。

“许多疾病都是可以预防的，但是这些疾病发作的速度非常缓慢，人们都是到病况加重之际才会发现。要是我们能利用深度学习这项强大的工具让患者知道自己的身体情况，就能在还有时间医治的时候加以预防。”Razavian 说。

纽约大学的研究团队运用其深度学习软件来预测严重肾衰竭的情况。及早发现肾病，患者就不用洗肾了。

研究人员发现疾病间不为人知的关连

纽约大学研究团队并非首支发现利用电子病历就能让人们更长寿的队伍（例如请见《GPU，快帮我算算我的病怎麼樣了》及《换心：人工智能技术如何在诊断前预测心脏衰竭的情况》 两篇文章）。

Razavian 表示这些团队的区别在于是否有能力结合各类长期病历纪录，发现它们之间过去不为人知的关系。

举例来说，研究人员在患者体重、血压、血糖、肝功能和胆固醇等900项测量项目间穿针引线，预测出第二型糖尿病。在这个过程中他们发现睡眠呼吸中止症、急性支气管炎、甲状腺机能低下症及贫血，这些寻常看似跟糖尿病无关的因素，或许也能用于预测糖尿病。

“这让我们更了解这些疾病的生物机制。”Razavian 说。

深度学习如何用在预防疾病上

研究团队使用从410万名保户里挑选出的20万人实验室测量和诊断资料，来训练两套神经网络预测疾病。这些资料非常“原始”，代表未加上任何标签或未经过任何处理。

团队将研究内容进行测试，以改善纽约大学医学中心护理师探望和电话访问25万名高风险患者的一项计划。他们使用深度学习来预测哪些患者可能会出现特定情况，协助医院判断谁需要采用加强生活方式管理计划，以预防疾病。

他们的研究也协助自动排定护理师探望和筛检高风险患者的时间。

Razavian 及其他研究人员希望使用电子病历和深度学习来促进精准医学领域的发展，这是一种为每名患者量身打造疾病预防和治疗内容的方法。

“我们的研究项目有着相当大的应用潜力，目前只是苦于人手和时间不足。”她说。