加州大學伯克利分校的研究人員，已在利用深度學習分析電子健康記錄數據，以輔助VA（美國退伍軍人事務部，以下簡稱VA）應對退伍軍人的心理問題。研究人員在一個包含波士頓某醫院重症監護室約4萬名患者醫療記錄信息的數據集中，進行數據訓練建模，生成定制的動態自殺風險指數，其目的是識別有自殺風險的患者，從而將這套模型提供給VA。

據VA報告數據顯示，自從美國發動伊拉克和阿富汗戰爭以來，平均每年有8000名士兵自殺。

而VA推出的“百萬退伍軍人自殺預防示範項目”，旨在解決這一問題。

該項目的早期工作主要集中從多樣化和復雜的數據池中尋找規律和模式，以此建立神經網絡，然後從數據集中的出院筆記和醫生筆記裡，計算和分類出自殺風險高的患者。

VA還在聯合美國能源部，努力將超級計算、軟件開發和網絡應用於這個項目當中。與此同時，VA也在收集70萬退伍軍人的醫療記錄和基因組數據集，以及全美2200萬退伍軍人的EHR數據。

該防範項目將VA的EHR系統與美國能源部的高性能計算、人工智能和數據分析資源相結合，初期的重要任務是自殺預防以及前列腺癌和心血管疾病分析等。

UC Berkeley實驗室發言人西爾維·婭克里維利在一份聲明中談到，“美國退伍軍人事務部一直在收集約70萬名退伍軍人的醫療記錄和基因組數據，他們需要美國能源部的幫助，來分析這些信息，得出可解釋的規律和原因，以改善這些人的醫療保健。”

克里維利團隊認為，將醫生的臨床經驗整合到算法模型和技術平台中，將會有效提高深度學習模型的靈敏度/特異度和魯棒性，而醫生團隊充分的信任，也會進一步推動工科團隊開發出可解釋的人工智能模型。