谷歌人工智能的研究结果可以告诉医生，你最可能的治理结果是康复出院、病情复发重新入院还是死亡。

谷歌正在开发一种人工智能新版本，可以预测人们的医院疗程的结果。

这些算法，基于由研究人员训练的神经网络，可以告诉医生你最可能的治理后结果。

这项研究的价值是巨大的，因为它不仅可以警告医生们尽早采取行动，以增加病人的生存机会——特别是对于那些患有慢性疾病的病人——而且还可以通过更精确的诊断来降低医疗费用。

这一研究结果的该文章发表在了由Alphabet旗下的谷歌、斯坦福、芝加哥大学和加利福尼亚大学联合开展的研究中。

谷歌的产品和研究主管Katherine Chou在一篇博客文章中写道，这是“许多临床医生向谷歌提出的要求，询问是否更好地利用健康信息可以产生更好的结果。”

计划外的重新入院每年花费170亿美元，而感染导致9.9万人死亡。药物问题导致超过77万人受伤和死亡。

这样的预防预测系统可以帮助临床医生检测乳腺癌或帮助糖尿病患者发现和预防失明。

它还将加快确定需要舒缓治疗的患者的过程;这份报告说，只有一半的需要接受舒缓治疗的患者享受到了这项疗程，因为过于乐观的医生通常会高估病人的存活可能性和存活时间。

谷歌声称它的死亡率预测比目前的方法更精确24-48小时。

医疗保健现在占美国经济的20%，而这只是试图控制不断上升的成本的众多努力之一。

今年1月，摩根大通Berkshire Hathaway公司表示，他们将联手控制成本，改善员工的护理。不过，外界人士指出，他们的成果主要重点在于技术，而缺乏细节。

在另一项努力中，IBM将其沃森超级计算机作为对抗癌症的强大武器，但一直难以获得支持。

由于任何神经网络都需要样本来学习和训练，谷歌从216221名成年患者身上获取了匿名的医学信息，结合了460多亿个个体数据集，其中包括临床笔记。

这些数据来自于两家医院的11年联合实践——加州大学旧金山医学中心(2012年至2016年)和芝加哥大学医学院(2009-2016年)。

谷歌的发现听起来很有希望，但在大规模数据分析技术在美国的医疗体系中大规模实施之前，需要克服相当多的障碍。

第一是数据获取和质量问题。

对于谷歌算法来说，临床笔记尤其难以理解，因为很多都没有很好地打上标签，而且每位医生都使用了不同的书写方式，而其中一些笔迹难以辨认。

他们可能会仅填一些必要的选项，而在其它选项中留下空白。还有一些人在表格之外书写，或在表单上到处写满注释。

谷歌的团队不得不使用三个额外的深层神经网络，来分辨这些笔记中哪些部分的临床数据与最终的预测有关。

这并不是这组数据所独有的问题:另一项研究发现，电子健康记录数据与患者报告的数据相匹配的情况仅占病例总数的23.5%。

在其他情况下，电子记录可能缺乏有关症状的信息，而这些症状对于正确诊断是至关重要的。

只有在卫生保健行业系统地改进其数据收集做法之后，这个问题才能得到解决。

第二，提供者的数据集必须是统一的和可访问的。

目前，情况并非如此，因为许多系统是封闭的，而许多数据被储存为多种格式。

一旦大多数卫生保健行业内的医院接受统一的数据库格式，人工智能的工作就会容易得多。