炼数成金 门户 商业智能 深度学习 查看内容

吴恩达团队最新成果:用深度学习预测死亡概率,改善临终关怀

2017-11-28 17:11| 发布者: 炼数成金_小数| 查看: 20104| 评论: 0|原作者: 魏子敏、龙牧雪|来自: 大数据文摘
摘要: 用过去1年的医疗记录就能预测一个人未来1年中的死亡概率?这听起来像是《黑镜》中才有的可怕黑科技,但是这对于疗养院和临终关怀工作者,意义重大。在美国,超过60%的死亡发生在重症监护病房,多数人在弥留之际仍接 ...
工具 模型 机器学习 深度学习 商业智能
用过去1年的医疗记录就能预测一个人未来1年中的死亡概率?这听起来像是《黑镜》中才有的可怕黑科技,但是这对于疗养院和临终关怀工作者,意义重大。

在美国,超过60%的死亡发生在重症监护病房,多数人在弥留之际仍接受侵入性的治疗。进入重症监护病房的病人通常会提前记录自己的临终心愿,“再和爱人吃一顿晚餐”,“参加子女的婚礼”。而提前知道临终日才能让他们在仍然有行动能力的时候达成心愿,更有尊严的过完最后的日子。

近期,吴恩达团队用深度学习建立了一个项目,利用病人的电子病例,来检测未来3-12个月有高死亡风险的病人。这些病人将被自动转给临终关怀组。这能够让临终关怀组更早知情,并确保病人获得自己最需要的临终护理,也可以在仍有意义的情况下为病人提供需要的服务。

这篇论文也获得了IEEE 生物信息学和生物医学组较佳学生论文奖。

该模型使用了一个18层的深度神经网络,输入为病人的EHR数据(electronic health record,电子病历),输出的是未来3-12个月的死亡概率预测。

模型使用的训练数据来自斯坦福医院的电子病历数据库,其中包括200万病人的数据。训练中使用了过去12个月的电子病历数据,包括诊断、手术、用药和就诊的详细信息。数据被转化为一个有13,654个维度的特征向量。训练模型的AUROC分数为0.93,交叉验证中的平均正确率(Average Precision)为0.69。



此外,在预测的同时,一份解释该预测的报告也会随之生成。

机器学习的用户来说,人们是否根据模型的预测来做决定,很大程度上取决于预测是否可解释。在死亡率预测的报告中,吴恩达团队也运用了成熟的消融技术(ablation techniques),重点标注了病人EHR数据中对高死亡率最具预测性的因素。该元素也大大增加了人们对这一技术的信任度。

文摘菌昨天刚刚刷完朋友圈里被安利过一百遍的电影《寻梦环游记》(COCO)。在电影里,死后的世界像一个巨大的游乐场,金碧辉煌、歌舞升平。死亡这个沉重的话题,在迪士尼的大团圆世界观里,显得异常温馨。

图:电影COCO剧照

而现在,在机器学习技术面前,死亡更像是一组数据,一个概率。这似乎略显冰冷,但理智地从社会和个人价值来看,这可能才是更平静走向死亡的较好方式。我们也更愿意如同迪士尼一样相信,死亡仅仅是一段路程的终点,如同朋友远渡重洋、果实酿成美酒。这让人不禁觉得,死亡好像也没有那么可怕了。

欢迎加入本站公开兴趣群
商业智能与数据分析群
兴趣范围包括各种让数据产生价值的办法,实际应用案例分享与讨论,分析工具,ETL工具,数据仓库,数据挖掘工具,报表系统等全方位知识
QQ群:81035754

鲜花

握手

雷人

路过

鸡蛋

相关阅读

最新评论

热门频道

  • 大数据
  • 商业智能
  • 量化投资
  • 科学探索
  • 创业

即将开课

  GMT+8, 2017-12-17 20:00 , Processed in 0.143233 second(s), 26 queries .