大数据文摘专栏作品

作者：ChristopherDossman

编译：笪洁琼、Conrad、云舟

呜啦啦啦啦啦啦啦大家好，本周的AIScholarWeekly栏目又和大家见面啦！

AIScholarWeekly是AI领域的学术专栏，致力于为你带来最新潮、最全面、最深度的AI学术概览，一网打尽每周AI学术的前沿资讯，文末还会不定期更新AI黑镜系列小故事。

周一更新，做AI科研，每周从这一篇开始就够啦！

本周关键词：图像到图像的转换，人员再识别，迁移学习，视频分割

EHR（电子健康记录）数据中的持续AKI（急性肾损伤）预测，全新、简单的迁移学习，提高了图像到图像的翻译，增强视频中主体和行为分割，基于模型的强化学习应用于Atari游戏，几何感知的深度LiDAR测距，基于属性的行人重识别，等等。

新模型可以不断预测EHR数据中住院病人的AKI

一组来自美国的研究人员最近提出了一个模型，可以根据住院患者的EHR数据持续自动预测AKI。AKI是指住院患者在几天内肾功能突然丧失，可导致极为严重的医疗并发症，因此需要立即治疗。好消息是，如果被发现的及时，AKI是可以被预防的。更好的消息是，如果被快速诊断并治疗，AKI或许是可痊愈的。

由于AKI的成功治疗依赖于快速诊断，因此它是预测分析的完美候选。几个机器学习预测模型已经被建立，用于通过EHR数据预知住院病人AKI的情况。但是现有的模型只能在固定的时间范围内预测住院病人AKI，这个时间范围可以是病人入院后24小时、48小时或更长时间。这是一个挑战，因为病人情况在几个小时内就可以显著变化，这使得很多的AKI情况变得难以预测。

模型为住院病人持续预测AKI

在上述挑战的激励下，研究人员开发了一种新的模型，可以在患者住院期间出现AKI之前不断预测AKI。新的模型方法可以在病人的数据每次发生变化时预测AKI，而不需要“等待”特定的时间来做出预测。这个模型被设计成使用EHR数据自动工作，在需要时可以触发警报，因此不需要持续监控。测试结果显示，对比之前的传统预测模型，该模型具有较高的预测精度和实时性。

潜在应用与效果

这是医疗诊断里令人印象深刻的研究！由于能够进行连续的AKI预测，新模型可以应用于回避过去的预测模型所面临的诸多缺点，将住院患者从直接肾衰竭引起的众多痛苦中拯救出来，并从根本上降低之后的医疗成本。另外，该框架具有广谱性，也可用于从EHR数据持续预测其他疾和障碍。

原文：

转载请注明:http://www.aideyishus.com/lkjg/3403.html