廣東科研人員解決人工智能個性化醫療關鍵難題

近日，暨南大學大數據決策研究所所長胡勇教授帶領團隊包括博士多人歷時4年，為院內急性腎損傷（AKI）風險評估應用場景建立可靠穩定的個性化預測模型，解決人工智能個性化醫療這一領域關鍵難題。相關研究發表于JAMA Network Open。

AKI在住院患者中很常見，是術后患者住院時間、慢性腎病發病率和死亡率增加的主要危險因素。Google團隊的Tomasev等人將深度學習方法應用于AKI風險評估獲得了非常高的性能，但缺乏在不同群體下進行個性化驗證。在KDIGO等國際權威AKI指南上，目前只有針對心臟手術、心梗、肝移植等少數幾個極特殊群體的AKI預測模型得到認可，遠不能滿足絕大部分患者的需求。

患者個性化差異的復雜性導致臨床診斷變得千變萬化，甚至數十年經驗的醫生都難于掌握情況。研究人員從2018年開始本項研究工作，歷時4年。其貢獻包括：

一是，顛覆傳統的亞組建模方法，在與目前領域領先的30個亞組模型的比較中，僅使用 1 套個性化分析模型即在94%的比較中實現優于或相當于目前領域最優的性能，充分證實了本研究的個性化建模方法相對于目前全局建模和亞組建模方法的普遍顯著優勢。

二是，提出原創性的遷移學習和個性化建模框架PMTL（Personalized Modeling with Transfer Learning），有效應對高維電子病歷數據個性化建模面臨的相似樣本不足問題，僅僅基于單個醫院數據的個性化模型即可匹敵目前所有同類國際領先模型。

三是，發現模型預測因子的作用在不同患者之間普遍存在50%以上的差異，表明人工智能個性化技術對提升臨床管理實踐的重要意義。

四是，個性化模型為臨床因素交互作用挖掘提供了極大便利，僅通過對幾個關鍵危險因素的作用變化規律進行Meta分析，就可以發現多個未被了解的交互作用。

該研究是新一代人工智能技術體系與醫療領域大數據關鍵問題相結合的跨領域大科學大交叉研究，近年得到了國家自然科學基金重大研究計劃重點支持項目、廣東省科技計劃重大科技專項、廣東省大數據精準健康工程技術研究中心等項目的支持。

值得一提的是，胡勇教授團隊在新一代人工智能技術方面有超過10年的積累，在個性化建模、精準因果、概念漂移、自適應增強學習、遷移學習、聯邦學習、多層次學習、主動智能行動集成決策等領域有深入研究，形成團隊自主創新了新一代人工智能CTA“精準因果-遷移聯邦-智能行動”算法體系。