梅奥医疗集团首席技术官：梅奥如何预测患者行为

作者 | 刘颖

来源 | 搜狐健康

现如今人们生活随时随地都会产生数据，去医院也不例外。患者在医院做任何事情都会留下数据痕迹，例如患者做检查，心电图、脑电图等，这些都是电子化影像，都会成为数据被储存下来。

来自梅奥医疗集团的首席技术官Steven J.Demuth先生在“人工智能与医疗大数据在医疗服务中的应用”的报告中，向我们展示了梅奥是如何分析和预测患者行为的。

生成患者的数字画像，预测未来可能发生的事情

梅奥会记录医院里发生的事件，生成医院和患者的数字画像。这样就可以模拟以后会发生的事情，以更好地管理医院与患者之间的互动。院方使用大数据，优化数据，给患者带来的最大的利益，比如说可以通过对数据深度挖掘知道如何使用核磁共振机器检查能给患者带来从经济到诊疗上的最大的帮助。

同时数据还将帮助我们预测未来会发生什么，收集数据以后可以让我们分析出来哪些人更容易患病，他们是如何患病的，以及我们应该怎么样给他们提供诊治。

应用场景1：

老年慢性病。当一个老年患者有呼吸气短的问题，可能是肺炎造成的，但让他回家不住院，就得不到更好的照护。我们通过技术判断，判断出他适合留院治疗还是回家，可以给他带来更好的治疗。通过IT团队，我们可以为患者从很多治疗方案当中挑选，包括他的并发症、社会属性、性别等等。我们还会关心这个患者的经济条件，若经济状况不是很好，会给他开一个稍微便宜一点但是效果没有那么好的药，但是也比不给他开任何药或者开支付不起的药要好很多。最后一点，我们为患者带来的医疗服务比没有这些系统带来的医疗服务要好很多。我们可以告诉患者，如果采取了某些措施以后有可能带来的未来的临床结局是什么。我们通过这些数据系统可以更有自信地为患者带来治疗。

观察人群，分析大数据，提高医学水平

梅奥对人群进行观察，人群代表大数据，通过对大数据进行分析学习创建优化的医疗系统，提高医学水平，让医生做出更好的判断。

医学一直在发展，而且每一个患者身上诞生的数据也都在呈几何增长态势。数据在现代医学最重要的目的是：在庞大的数据海洋当中，筛选出在某个时间节点、对单个患者、对于特定疾病所需要的决策。因此，我们需要把大量的医学知识和数据细化、缩小，从大量数据当中找到精准、有用的信息。

梅奥将算法用在医学信息上，为患者提供更好的服务，给患者带来更令人信服的结果。如果医生可以提出一个有实际意义的临床问题，大数据很可能能够提供相应的算法和程序去解决这个问题。

应用场景2：

CT影像学习分析。如果你有多囊性肾病，看肾部的CT影像会看到肾脏当中有百分之多少已经割裂了，我们可以让电脑进行学习，它去看CT影像读片的结果会比影像科医生出来的结果要好很多。把通过机器学习完成的事情，让AI去做，从而让肾内科医生和影像科医生做其他更需要人类脑力做的事情，并为患者提供更好的诊疗方案。这就是临床诊断辅助，把医学算法最终变成可以在医学治疗上应用的信息。

将AI当做工具，加强人类智能

在梅奥，科学家们会运用预测患者预后的统计学数据模型，判断某个治疗方案的有效性。统计学的数据模型会用很准确的数学方式告诉我们，我们的假设有多大可能性，有多大的有效性，结合电子病历使用，可以通过临床路径给出准确率很高的可行性分析。这项应用大大缩短了发现问题到临床使用的时间，传统的实验从发现问题到在临床应用大概需要7年时间，而梅奥通过运用数据模型将时间缩短到了1年。

应用场景3：

脑肿瘤诊疗。这种病经常是致命的，而且无法进行活检，进行活检会严重影响患者的认知能力。如果知道这个疾病具体的基因，通过算法我们可以判断生物标记物，通过机器学习、深度学习将这些肿瘤影像学图片进行学习，为患者提供医疗服务。我们会让机器学习这些影像学的图片，并且和那些最终出现疾病的患者病理结合学习，再看现在患者的状况和发病人的CT图影像如何比较的，比如5000张影像，让机器学习，反馈回来的结果会比病理学家给出的结果还要好。

如何利用数据科学，加速从数据当中发现有价值的信息？

第一，需要足够大的数据量。不一定就是100万患者，几千人到一万人可能就够了，很多大数据人说越大越好，需要几百万、几千万人，但是你可能并不需要这么多，精确到你提出问题要有足够的数据即可。

第二，足够窄的问题，不能太过宽泛。如果你问不出正确的问题，你就得不到正确的答案。AI专家和临床医生他们两个需要一起合作，医生需要有能力说出这个问题，有解决这个问题的答案，为患者提供医疗的过程当中可以让我更好地为患者提供医疗服务，得到更好地临床结局、更好的心理满意度，改善手术的效果，我需要这个问题的答案。这个问题是非常重要的，如果问题都提错了，答案肯定对不了。

如果你的数据量够大，问题也提得对，AI机器学习的算法可以把他们两个结合在一起。当我们把足够的数据和算法放到当中，会出现一个新的算法，老的算法会和数据相关，新的数据会和医学解决方案相关。

应用场景4：

化疗滴定。对于药物滴定的决策，为化疗做药物滴定的时候有三个步骤，但是这对于患者来说可能很难受，有一个层级上因为药量很大，患者很不舒服。通过归纳推理我们可以把三个步骤简化到1.5个步骤，让患者舒服很多，我们看的是CBC和其他的生物标记物，有时可能会用到4—5个不同的数据渠道。人脑无法筛选，而机器很擅长做这方面的工作。之前机器无法正常和医生互动，通过自然语言处理，梅奥的肿瘤临床实验可以帮助患者更快地找到正确的临床方法，用到最新的临床实践当中。