使用机器学习分析所有可用数据可以帮助医生更好地诊断和治疗患者。但大多数模型无法处理高度复杂的数据。其他的一些模型也未能捕捉到不同健康变量之间关系的全部范围，例如呼吸模式如何帮助预测睡眠时间或疼痛程度。 为此，麻省理工学院的研究人员描述了一个单一的神经网络模型，它将简单和高度复杂的数据作为输入。然后，使用已知变量，网络可以填写所有缺失的变量。根据来自患者的心电图信号（测量心脏功能和自我报告的疲劳水平）的数据，该模型可以预测患者的疼痛水平，因为患者时常无法准确将疼痛水平反映给医生。 MIT研究元将此模型在真实的睡眠研究数据集上进行测试 - 其中包含健康调查，心电图和其他复杂信号 - 根据其他七个已知变量，该单一神经网络在预测八个缺失变量中的任何一个时达到了70％到80％的准确率。该成果将在下周AAAI人工智能会议上展示。