近日，普林斯顿大学的研究团队设计了一个机器学习系统，可以在减少化验频率的同时优化关键治疗的开展时间。该机器学习系统目前关注的重点是血液中的乳酸、肌酸、尿素氮和白细胞指标，这四个指标常用于诊断肾衰竭和感染导致的败血症。研究团队使用了 MIMIC III 的重症患者数据库，这个数据库供收录了于波士顿贝斯以色列女执事医疗中心就诊过的 5.8 万条 ICU（重症监护室） 病例。最后，有 6060 例病历记录被用于训练机器学习算法，这些病例都曾在 ICU 中接受过生命综合体征和血液检测。强化学习算法在这个机器学习系统中发挥了关键性的作用。算法中的「奖励机制」鼓励系统优先挑选可以提供更多关键信息的验血项目。以白细胞化验为例，机器学习给出的策略可以提升 44% 的化验效率。相比现在的治疗节点，医生可以在病情恶化数小时前就开展治疗。