Google開發的一款人工智能（AI）程式，可系統地分析病患醫療紀錄，並精準的預測出病患就醫後24小時之內死亡的風險機率，準確度高達逾9成，較傳統方式高約1成。

Google轉向「AI優先」的發展策略後，不僅持續在旗下產品中注入AI元素，也將AI運用於各項領域，例如探索恆星、提升翻譯水準等等。近日，有媒體報導，Google旗下的Medical Brian團隊所開發的AI工具，不僅能預測病人可能再度住院的機率，甚至能預測病人短期內死亡的機率。

據了解，Google Medical Brain團隊運用的AI技術，可以取得過往無法獲得的資料（例如圖表上加註的註解、PDF中的筆記等等），來進行分析判斷，在取得資料、所需分析時間等面向上，都比過去的方法更有效率。除了可以預測病人可能的住院時間、再次入院的機率外，甚至可以預測短期內死亡的機率。

這次的研究中，Google一共分析216,221份住院病歷，並從電子病歷中蒐集了460億多的數據，並以此作為基礎建構深度學習模型，這套系統不只可以預測病患的死亡率，還能預測病人會在醫院住多久、未來再次入院的機率。

Google今年五月與史丹佛大學、芝加哥大學、加州大學舊金山分校，共同研究一款可以預測病患死亡率的AI模型。在研究報告中以一個案例作為例子，一名患有乳腺癌末期的病患，到院後經過了檢查，醫院電腦判讀生命徵象，預估該名病患住院期間死亡的機率為9.3%，不過Google AI分析後認為死亡風險高達19.9%，後來這名病患在入院兩周後去世。

AI具有快速分析大量資料的優點，以上述個案來說，Google利用神經網路（neural networks）分析電子病歷中175,639項數據，而跟過去許多AI系統不同的是，這些數據中還包括了醫生的手寫筆記。這展現了不同以往處理資訊的能力，不論是PDF文檔中的註釋，或是醫生隨手在圖表上的註記，神經網絡都有能力讀取這些非結構資訊，並迅速整合分析。

據報，若準確率以1.00為最高標準，Google AI程式預測人類死亡機率準確度高達0.95，而傳統醫學預測方式的準確率則為0.86。

Medical Brain團隊主管Jeff Dean在今年五月表示，Google的下一步計畫就是將這項AI系統運用到診所當中，來協助醫生採用特定的醫療和診斷方式。

來源：巴士的報