近日，来自 DeepMind 等多个机构的研究人员提出了一种基于人工智能的新方法，能够有效预测病人即将发生的肾功能损伤。相较于传统方法，这种新方法可以提前一到两天检测出大部分病人的肾脏损伤的发生风险。由于肾脏损伤往往在最后阶段才被察觉，此时肾脏已经发生不可逆的损害，严重时将会留下需要暂时或长期透析的后遗症，甚至引起病人的死亡。对于肾脏损伤的早期检测方法将为有效的临床治疗赢得宝贵的时间。 在这一研究中，研究人员利用深度学习的方法来检测急性肾损伤。训练深度学习算法需要大量的数据，研究人员从美国退伍军人事务部负责运营的 172 家医院和 1062 家门诊中，收集了超过 70 万例成年病例的数据（2011 年-2015 年）。这些经过匿名处理的数据为研究人员提供了人口统计信息、电子健康档案、化验结果、药物处方和过往治疗记录等数据。论文的第一作者 Tomašev 和同事们从数据中整理出了约 60 亿个数据点和 60 多万个记录特征，他们选择了一种被称为循环神经网络的深度学习方法来处理时序数据并对计算机进行训练，这种方法在深度学习领域被证明非常适合处理时序数据。