當(dāng)談到危重患者的治療策略時(shí)，臨床醫(yī)生希望能夠考慮他們所有的選擇和給藥時(shí)機(jī)，并為他們的患者做出最佳決定。雖然臨床醫(yī)生的經(jīng)驗(yàn)和研究幫助他們?cè)谶@項(xiàng)工作中取得了成功，但并非所有患者都是相同的，在這個(gè)關(guān)鍵時(shí)刻的治療決策可能意味著患者改善與快速惡化之間的差異。因此，醫(yī)生能夠獲取患者先前已知的健康狀況并接受治療，并以此來(lái)預(yù)測(cè)患者在不同治療場(chǎng)景下的健康結(jié)果，以選擇最佳路徑，這將是有幫助的。
現(xiàn)在，來(lái)自 MIT 和 IBM 研究人員的一種名為 G-Net 的深度學(xué)習(xí)技術(shù)為因果反事實(shí)預(yù)測(cè)提供了一個(gè)窗口，讓醫(yī)生有機(jī)會(huì)探索患者在不同治療計(jì)劃下的表現(xiàn)。G-Net 的基礎(chǔ)是 g 計(jì)算算法，這是一種因果推理方法，可在存在測(cè)量的混雜變量(可能影響治療和結(jié)果的混雜變量)的情況下估計(jì)動(dòng)態(tài)暴露的影響。與之前使用線性建模方法的 g 計(jì)算框架的實(shí)現(xiàn)不同，G-Net 使用循環(huán)神經(jīng)網(wǎng)絡(luò)(RNN)，它具有節(jié)點(diǎn)連接，使它們能夠更好地模擬具有復(fù)雜和非線性動(dòng)力學(xué)的時(shí)間序列，就像在生理和臨床時(shí)間序列數(shù)據(jù)中發(fā)現(xiàn)的那樣。通過(guò)這種方式，醫(yī)生可以根據(jù)患者病史制定替代計(jì)劃，并在做出決定之前對(duì)其進(jìn)行測(cè)試。
“我們的最終目標(biāo)是開(kāi)發(fā)一種機(jī)器學(xué)習(xí)技術(shù)，讓醫(yī)生能夠探索各種‘假設(shè)’情景和治療方案，”麻省理工學(xué)院醫(yī)學(xué)工程與科學(xué)研究所的研究科學(xué)家、麻省理工學(xué)院的李偉雷曼說(shuō)。 IBM Watson AI Lab 項(xiàng)目負(fù)責(zé)人。“在反事實(shí)預(yù)測(cè)的深度學(xué)習(xí)方面已經(jīng)做了很多工作，但[它]一直專注于點(diǎn)曝光設(shè)置，”或靜態(tài)的、時(shí)變的治療策略，允許隨著患者病史的變化調(diào)整治療。然而，她的團(tuán)隊(duì)的新預(yù)測(cè)方法提供了治療計(jì)劃的靈活性和隨著患者協(xié)變量病史和過(guò)去治療的變化而隨時(shí)間改變治療的機(jī)會(huì)。G-Net 是第一個(gè)基于 g 計(jì)算的深度學(xué)習(xí)方法，可以預(yù)測(cè)動(dòng)態(tài)和時(shí)變治療策略下的人群水平和個(gè)體水平的治療效果。”
該研究最近發(fā)表在機(jī)器學(xué)習(xí)研究論文集上，由 Rui Li MEng '20、Stephanie Hu MEng '21、前麻省理工學(xué)院博士后 Mingyu Lu MD、研究生 Yuria Utsumi、IBM 研究人員 Prithwish Chakraborty 共同撰寫(xiě)， IBM 混合云服務(wù)研究總監(jiān) Daby Sow、IBM 數(shù)據(jù)科學(xué)家 Piyush Madan、IBM 研究科學(xué)家 Mohamed Ghalwash 和 IBM 研究科學(xué)家 Zach Shahn。
標(biāo)簽：
免責(zé)聲明：本文由用戶上傳，如有侵權(quán)請(qǐng)聯(lián)系刪除！