Machine Learning 资讯 | 基于深度学习识别姑息治疗患者

原创
2018/02/24 19:23
阅读数 2K

“Hiring a Machine Learning engineer or Data Scientist in Silicon Valley is becoming like hiring a professional athlete. That’s how demanding it is” — The New York Times

基于深度学习识别姑息治疗患者

Stanford ML Group 建立了一个使用深度学习算法的程序,根据电子健康记录(Electronic Health Record ,EHR,包括病历、心电图、医疗影像等信息)数据确定在未来3-12个月高风险死亡的住院患者。这些病人的预警信息将发送给姑息治疗小组,这有助于姑息护理小组尽早介入、提供服务。

姑息治疗(Palliative Care ,在日本、中国台湾翻译为舒缓医学)起源于 hospice运动,最早起源于公元四世纪。根据世界卫生组织的定义,姑息治疗强调控制疼痛及患者有关症状,并对心理、社会和精神问题予以重视,目的是为病人和家属赢得最好的生活质量。

预测模型是一个 18 层的深度神经网络,输入参数为一个病人的 EHR 数据,输出为未来 3-12 个月死亡的概率。训练数据采用斯坦福医院 EHR 数据库中的历史数据,包含超过 200 万名患者的数据。EHR 数据包括患者过去 12 个月的诊断结论、治疗程序、处方和相关细节(经过脱敏和技术处理,以替代码的形式表示),所有数据被转换成 13654 维的特征向量。训练好的模型 AUROC 评分达到 0.93 ,交叉验证的平均精度为0.69 分。

对于机器学习系统来说,使用户可以根据预测结果采取行动,需要提供预测结果的详细解释,这点对于建立用户信心至关重要。Stanford 的程序可以自动生成一个报告,在病人的 EHR 数据中高亮突出对于预测结果具有重要影响因子的条目。

分类

Mybridge AI 在 20000 篇关于创建机器学习应用的文章中挑选了前 50 名。从有实践经验的数据科学家那里学习是一个好方法,我们可以的分享中获得构建、运营机器学习应用的经验教训。50 篇文章大致可以分为 15 个主题,如下所示:

Recommended Learning

图像处理 Image Manipulation

风格转换 Style Transfer

图像分类 Image Classification

人脸识别 Face Recognition

视频稳定化 Video Stabilization

目标检测 Object Detection

自动驾驶汽车 Self Driving Car

智能推荐 Recommendation AI

智能游戏 Gaming AI

智能下棋 Chess AI

智能医学 Medical AI

智能演说 Speech AI

智能音乐 Music AI

自然语言处理 Natural Language Processing

预测 Prediction

扩展阅读:《The Machine Learning Master》

更多精彩内容扫码关注公众号:RiboseYim's Blog 微信公众号

展开阅读全文
加载中
点击引领话题📣 发布并加入讨论🔥
打赏
0 评论
0 收藏
0
分享
返回顶部
顶部