Google 和加州大學舊金山分校（UCSF）研究人員開發一個 AI 系統，75% 情況下能預測醫生的處方箋。如果應用於醫療系統，可辨識病患或看起來情況異常的處方箋，有點類似資安公司使用的詐欺檢測。

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

研究科學家凱瑟琳‧魯克（Kathryn Rough）和Google 健康醫學博士阿爾文‧拉吉科馬爾（Alvin Rajkomar）報告寫道，儘管沒有醫生、護士或者藥劑師希望犯下傷害病患的錯誤，但研究表明，2% 住院患者經歷過嚴重、與藥物錯誤使用有關的醫療事件，這些事件可能危及生命，造成永久性傷害或導致病患死亡。

為此，AI 系統使用數據集訓練，數據集包含 10 萬多名住院患者產生約 300 萬張藥單，透過使用隨機改變日期的可追溯性電子健康紀錄，並根據 HIPAA 刪除部分紀錄（包括姓名、地址、聯繫方式、紀錄編號、醫生姓名、免費文本註釋、圖像等）。更重要的是，數據集不限於特定疾病或醫療領域，使任務更具挑戰性，同時有助確保模型辨識範圍更廣的疾病種類。

研究人員評估兩個模型：學習對長期依賴性進行建模的長短期記憶（LSTM）遞歸神經網路，以及類似於臨床健康研究中常用的邏輯模型。將兩者與基線比較，基線根據患者的醫院服務（例如普通醫療、普通外科、產科、心臟病學）和入院以來時間排名最常用的藥物。

每次在回顧性的數據訂購藥物時，這些模型都會列出 990 種可能藥物，研究人員評估這些模型，決定是否將每個病例實際訂購的藥物，以較高機率分配給醫生。每個模型的表現，都是透過比較排名選擇與醫生實際開的藥物來評估。

Google 在 AI 醫療的工作廣泛

表現最好的是 LSTM──前 10 名名單至少有 93% 藥物是由臨床醫生第二天內為患者訂購。55% 病例中，模型正確將醫生開的藥物列為最可能服用的 10 種藥物之一，75% 訂購藥物排在前 25 名。

研究人員表示，「重要的是，以這種方式訓練的模型重現歷史數據中醫生的行為，沒有學習最佳處方箋模式，這些藥物可能如何工作，或可能發生什麼副作用。我們的下一階段研究，將研究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、確保患者的安全。」

不得不說的一點是，Google 在 AI 醫療方面的工作非常廣泛。

之前，Google 開發出一種模型，能以「人類水準」的精確度分類 X 光片。2019 年，Google 表示肺癌檢測 AI 系統超過 6 名人類放射科醫生，皮膚診斷模型能像醫生準確檢測出 26 種皮膚狀況。

最近 Google 另一項成果是利用 AI 模型，在更少的假陽性下，從乳房 X 光片辨識出乳腺癌。Google 還與印度馬杜賴的阿拉文德眼科醫院（Aravind Eye Hospital）合作，以視網膜圖像診斷眼疾。

轉貼至 :