近日，吳恩達(dá)宣布其斯坦福實(shí)驗(yàn)室團(tuán)隊(duì)在 AI 最新的成果：運(yùn)用機(jī)器學(xué)習(xí)方法，能夠更加精確預(yù)測(cè)患者在高血壓治療中可能獲得的效果。

在一般的心血管疾病中，疾病治療帶來的絕對(duì)風(fēng)險(xiǎn)降低（ARR）是與該病的基線風(fēng)險(xiǎn)相關(guān)的，即高風(fēng)險(xiǎn)的患者能從治療中獲得更多的收益。

而斯坦福實(shí)驗(yàn)室使用隨機(jī)試驗(yàn)數(shù)據(jù)，開發(fā)一個(gè)能夠估計(jì)個(gè)體治療效果的模型。斯坦福實(shí)驗(yàn)室團(tuán)隊(duì)對(duì)兩個(gè)假設(shè)進(jìn)行了測(cè)試：

第一，個(gè)體治療效果的模型將顯示，高強(qiáng)度的高血壓治療下，患者的收益與疾病的基準(zhǔn)風(fēng)險(xiǎn)成正比；第二，設(shè)計(jì)用于預(yù)測(cè)異構(gòu)治療效果的機(jī)器學(xué)習(xí)方法：X-learner 元算法，并假設(shè) X-learner 的算法的效果與傳統(tǒng)的邏輯回歸（Logistic Regression）方法相當(dāng)。

圖丨吳恩達(dá)團(tuán)隊(duì)論文（來源：ahajournals.org）

吳恩達(dá)團(tuán)隊(duì)將常規(guī)的邏輯回歸與 X-learner 方法進(jìn)行比較，預(yù)測(cè)患病 3 年的心血管疾病患者在經(jīng)過強(qiáng)化治療（目標(biāo)是將收縮壓降至低于 120 mm?Hg）及常規(guī)治療（收縮壓降至低于 120 mm?Hg）后的風(fēng)險(xiǎn)降低的程度。結(jié)果顯示，使用邏輯回歸的方法得到的 ARR 預(yù)測(cè)值通常與心血管風(fēng)險(xiǎn)成正比，而 X-learner 則能夠正確地觀察到，個(gè)體治療效果經(jīng)常是與基線風(fēng)險(xiǎn)不成比例的。

這樣的結(jié)論也說明了，在為患者進(jìn)行高血壓治療的時(shí)候，根據(jù)患者各人具體情況設(shè)計(jì)療法，效果很可能優(yōu)于給所有人相同的療法，為現(xiàn)有的高血壓治療提供新的視角和思路。這也是吳恩達(dá)團(tuán)隊(duì)希望能夠?qū)崿F(xiàn)的效果。

作為著名華人 AI 學(xué)者，吳恩達(dá)自從從百度離職回歸學(xué)術(shù)界后，在醫(yī)療領(lǐng)域應(yīng)用人工智能就成為他的人工智能研究重心之一，他也堅(jiān)信，在醫(yī)療領(lǐng)域上會(huì)有一場(chǎng)技術(shù)革命，其帶領(lǐng)的團(tuán)隊(duì)這兩年常有新的醫(yī)療 AI 應(yīng)用研究誕生，如 2017 年吳恩達(dá)帶領(lǐng)團(tuán)隊(duì)開發(fā)出一種算法，可以從現(xiàn)有心電圖中找出四種不同的心律不齊，2018 年他和斯坦福大學(xué) ML Group 發(fā)布了放射影像數(shù)據(jù)集，還在這個(gè)數(shù)據(jù)集的基礎(chǔ)上舉辦深度學(xué)習(xí)挑戰(zhàn)賽等。在未來，可能會(huì)有更多人應(yīng)用機(jī)器學(xué)習(xí)在患者數(shù)據(jù)中尋找很多疾病的診斷或者療法預(yù)測(cè)的方法。

但是，想要公眾接受這一技術(shù)并非易事。這些算法的原理和邏輯都很繁雜，不是隨隨便便就能解釋清楚的。即便可以，醫(yī)生和病人也很難理解。尋找可行的解釋方式也對(duì)于增強(qiáng)醫(yī)患關(guān)系與強(qiáng)化治療方法十分重要，所以，盡管這樣的研究一直層出不窮，但現(xiàn)階段我們可能還不會(huì)在周圍的醫(yī)院里見到這種技術(shù)的身影。