谷歌和加州大學舊金山分校（UCSF）的研究人員開發了一個AI系統，在75%的情況下能預測醫生的處方決定。如果應用於醫療系統中，它可以識別出病人或者看起來情況異常的處方。有點類似於，信息卡公司使用的欺詐檢測方案。

這項成果發表在《臨床藥理學與治療學》(Clinical Pharmacology and Therapeutics)雜誌上。

研究科學家凱瑟琳·魯克（Kathryn Rough）和谷歌健康醫學博士阿爾文·拉吉科馬爾（Alvin Rajkomar）在一份報告中寫道，儘管沒有醫生、護士或者藥劑師希望犯下傷害患者的錯誤，但研究表明，2%的住院患者經歷了嚴重的，與藥物錯誤使用有關的醫療事件。這些事件很可能危及生命，造成永久性傷害或者導致患者死亡。

為此，AI系統使用一個數據集進行訓練，該數據集包含來自10萬多個住院患者產生的約300萬個藥單，通過使用隨機改變日期的可追溯性電子健康記錄，並根據HIPAA刪除部分記錄（包括姓名、地址、聯繫方式、記錄編號、醫生姓名、免費文本註釋、圖像等）。更重要的是，數據集不局限於特定的疾病或者醫療領域，使得任務更具有挑戰性，同時，也有助於確保模型能夠識別範圍更廣的疾病種類。

研究人員評估了兩個模型：學習了對長期依賴性進行建模的長短期記憶（LSTM）遞歸神經網絡，以及類似於臨床健康研究中常用的邏輯模型。將兩者都與基線進行比較，該基線根據患者的醫院服務（例如，普通醫療、普通外科、產科、心髒病學）和入院以來的時間對最常用的藥物進行排名。

每次在回顧性的數據中訂購藥物時，這些模型都會列出990種可能的藥物，研研究人員評估這些模型，決定是否將每個病例中實際訂購的藥物以較高概率分配給醫生。每一個模型的表現都是通過將其排名選擇與醫生實際開的藥物進行比較來評估。

表現最好的是LSTM——前10名名單中至少有93%的藥物是由臨床醫生在第二天內為給定的患者訂購的。在55%的病例中，模型正確地將醫生開出的藥物列為最可能服用的10種藥物之一，75%的訂購藥物排在前25名。

研究人員寫道，“重要的一點是，以這種方式訓練的模型重現了歷史數據中醫生的行為，而沒有學習最佳的處方模式，這些藥物可能如何工作，或可能發生什麼副作用。在我們的下一階段研究中，我們將研究在哪些情況下這些模型能用於發現傷害患者的用藥錯誤。”

“我們期待著與醫生、藥劑師、其他臨床醫生和患者合作，我們將繼續研究，以量化這種模型是否有能力捕捉錯誤、確保患者在醫院的安全。”

不得不說的一點是，谷歌在AI醫療方面的工作非常廣泛。

雷鋒網了解到，此前，谷歌開發出一種模型，能以“人類水平”的精確度對X光片進行分類。去年，谷歌表示它的肺癌檢測AI系統超過了6名人類放射科醫生，皮膚診斷模型能像醫生一樣準確地檢測出26種皮膚狀況。

最近谷歌的一項成果是利用AI模型，在更少的假陽性下，從乳房X光片中識別乳腺癌。谷歌還與印度馬杜賴的阿拉文德眼科醫院(Aravind Eye Hospital)合作，從視網膜圖像診斷眼疾。