医院中约有11%的去世亡可归因于未能及时创造并治疗病情涌现恶化的患者。
个中，急性肾损伤是一类可能会致命的疾病，美国约有五分之一的住院患者会受其影响。

为了改变这一情形，英国伦敦著名人工智能研究机构“深度思维”（Deep Mind）公司科学家约瑟芬⋅莱德萨姆及其同事，开拓了一种可以评估患者危险成分的深度学习方法。
研究团队证明了该方法在预测急性肾损伤方面的适用性。

研究职员利用在美国退伍军人医疗体系接管过治疗的逾70万名患者的数据演习了这一系统。
结果显示，该系统能比标准临床监测方法最早提前48小时准确预测出55.8%的急性肾损伤产生发火，同时，系统还成功识别出了90.2%的须要透析的严重急性肾损伤患者。
这类早期预警，将能让患者在涌现不可逆的肾危害前及时得到治疗。

研究职员指出，现阶段该研究存在部分局限性，譬如，每个阳性预测结果对应两个假阳性预警。
不过，这些假阳性预警多数发生在已有慢性肾损伤的患者身上。
此外，由于演习AI系统的数据中只有6.38%的女性患者，因此，尚不清楚这一方法在更大群体中的适用性。

美国斯克利普斯运用科学研究所科学家表示，只管如此，该研究结果依然为人们揭示了AI系统在预测以及预防住院患者发生不良事宜方面的主要浸染。

总编辑圈点

急性肾损伤，一种突发的肾功能低落，它最大的特点便是“早期症状隐匿”。
由于病人本身就存在原发疾病，以是特殊随意马虎被粉饰及被忽略，终极可能导致患者肾功能损失乃至去世亡。
而经由大规模数据演习的人工智能，却可以提前两天就发出预警，提高医护职员对潜在病发者的关注，不但加快了医疗系统的做事效率，还能真正地挽回人们的康健与生命——这也正是人工智能的终极目标：做事于人类，造福于生命。