提前一年半发现心脏衰竭征兆：医疗成为RNN的新战场 | 附论文

李林 编译整理
量子位 出品 | 公众号 QbitAI

早发现，早治疗，是医生们经常对病人发出的忠告，同时也是医生的愿望。

最近，就有一项新研究，实现了用深度学习方法提前半年到一年半发现心脏衰竭早期征兆。佐治亚理工学院的研究者们将这项研究的成果发表在了美国医学信息协会期刊（JAMIA）上。

和以往运用其他模型的机器学习方法相比，这项研究的RNN将数据的时间关系利用了起来，所谓时间关系，也就是事件或状态的出现顺序。

研究者们运用RNN对电子病历中事件之间的时序关系进行了建模，能够发现哪些事件容易在6-18个月内导致心力衰竭。

RNN之前通常用在自然语言处理领域，比如说你们熟悉的写诗、翻译，就经常会用到这类神经网络。

这一次，佐治亚理工学院的研究者们为这项技术找到了更广阔的用武之地，尝试着将它用到了医疗领域。

该校博士生Edward Choi、计算机学院的副教授Jimeng Sun等都参与了这项工作，他们说目前发表的还只是初步工作，也希望深度学习能在医疗保健行业用广泛的应用。

论文地址：https://doi.org/10.1093/jamia/ocw112

作者系网易新闻·网易号“各有态度”签约作者

— 完 —

加入社群

量子位AI社群15群开始招募啦，欢迎对AI感兴趣的同学，加小助手微信qbitbot6入群；

此外，量子位专业细分群(自动驾驶、CV、NLP、机器学习等)正在招募，面向正在从事相关领域的工程师及研究人员。

进群请加小助手微信号qbitbot6，并务必备注相应群的关键词~通过审核后我们将邀请进群。（专业群审核较严，敬请谅解）

诚挚招聘

量子位正在招募编辑/记者，工作地点在北京中关村。期待有才气、有热情的同学加入我们！相关细节，请在量子位公众号(QbitAI)对话界面，回复“招聘”两个字。

量子位 QbitAI · 头条号签约作者

վ'ᴗ' ի 追踪AI技术和产品新动态