“死亡算法”:预测死亡时间准确率达90%!
2018-01-10 00:00
525 查看
IT派 - {技术青年圈}持续关注互联网、大数据、人工智能领域关注往期精彩回顾
重大改变!Excel即将接入Python!办公软件也要革命
2017年大数据领域薪资有多高?
女博士实名举报长江学者陈小武性骚扰女学生
导读:在2017年11月的IEEE国际生物信息学与生物医学大会上,斯坦福大学计算机科学系的一名研究生Anand Avati对“死亡算法”的研究进行了报告:预测死亡时间准确率达90%!
2016年年底,斯坦福大学计算机科学系的一名研究生Anand Avati和医学院的一个小团队试图开发一种算法,以确定时日无多的病患的寿命。Avati告诉我:“医院的临终关怀小组面临严峻的挑战。我们怎么能找到那些会在三到十二个月内死亡的病人?”这个时间间隔是临终关怀的最佳的区间。
超过12个月的临终关怀服务可能会造成不必要的资源浪费,也会造成供应紧张;相反,如果死亡在三个月内就会发生,可能并没有足够的准备时间。Avati知道,识别出那些处于“死亡时间段”的患者,可以帮助医生对他们采用更合适、更人道的医疗干预措施。
如果算法有效,临终关怀团队将更快地搜寻到那些最需要帮助的人。Avati和他的团队确定了约20万名患者作为学习样本。该团队的主要参数是医院的医疗记录,数据涵盖多种疾病,包括癌症、神经系统疾病、心脏病和肾脏衰竭等。
假设一名男子在2017年1月死亡,如果你将时间回溯到“临终关怀的最佳时间”,就来到了 2016年1月至10月间。Avati知道,为了在这个时间段锁定病人,你需要在此之前就收集和分析他的医疗信息。那么该怎样通过这个人的信息,就能使医生准确预知病人会在三到十二个月的时间内死亡呢?又需要什么样的数据才能教会算法来进行这样的预测呢?
斯坦福大学的Anand AvatiAvati利用了医院医生已经编码的医学信息:病人的诊断说明,预定的扫描次数,在医院里度过的天数,所做的各种手续,医疗处方等等。这些信息当然是有限的,没有问卷调查,没有对话,也不需要用鼻子嗅探化学物质,但它们是一些客观的标准化参数。 这些信息被输入到深度神经网络(一种软件架构,因为它模仿大脑神经元的组织方式)中。算法的任务是调整每条信息的权重和强度,以便生成一个给定患者在3到12个月内死亡的概率分数。 这套“死亡算法”从近16万名患者身上采集信息进行自我训练。当它学习了所有数据之后,Avati的团队对剩下的4万名患者进行了测试。这一过程算法的表现很出色,错误率很低,算法认为会在3到12个月内死亡的患者中,90%都得到了应验。
算法认为存活期超过一年的患者,95%存活超过12个月。(这个算法使用的数据可以在将来得到很大的改进,扫描结果,医生的笔记或者病人的自我评估都可以加入到这个系统中,从而提高预测的精度。)
在2017年11月的IEEE国际生物信息学与生物医学大会上,Avati对此项研究进行了报告。-END-
1001 WedIT派会持续关注互联网、大数据、机器学习和人工智能领域,欢迎加入IT派-{ 技术青年圈 },希望大家更多参与到相互学习交流的过程中,扫描二维码备注IT派进群交流 。 IT派
阅读原文,有资源共享
相关文章推荐
- AI预知死亡:算法预测临终时间,准确率90%
- AI的冷酷与温情:从人工智能预测死亡时间准确率90%说起
- 现在,AI 已经能预测病人什么时候死亡了,准确率达 90%
- 现在,AI 已经能预测病人什么时候死亡了,准确率达 90%
- 时间序列挖掘-预测算法-三次指数平滑法(Holt-Winters)
- 提高libsvm预测准确率(90%引用)
- Facebook开源时间序列内存数据库Beringei,追求极致压缩率——如果是int根据大多数时间序列中的值与相邻数据点相比并没有显著的变化,只要使用XOR将当前值与先前值进行比较,然后存储发生变化的比特。最终,该算法将整个数据集至少压缩了90%
- 大数据24小时:Uber无人驾驶汽车撞人致死亡,斯坦福大学开发AI智能系统可预测患者临终时间
- 机器学习 数据挖掘 推荐系统 时间序列挖掘-预测算法-三次指数平滑法(Holt-Winters)
- 机器学习实验(十三):90%的准确率,根据中文名字预测性别!
- 时间序列挖掘-预测算法-三次指数平滑法(Holt-Winters)
- 数据结构和算法学习(2)-时间复杂度
- 循环神经网络(rnn)的时间序列预测
- 【算法】算法的时间复杂度计算
- 最大子列和问题的四种不同时间复杂度的算法实现
- 机器学习-Logistic回归之使用随机梯度上升算法预测病马死亡率
- 算法的时间复杂度和空间复杂度-总结
- TCP/IP详解--拥塞控制机制 && RTT时间计算相关的算法
- 贪心算法基础之活动时间安排(一)安排 51nod 贪心教程
- 算法的时间复杂度和空间复杂度-总结