近日，吳恩達宣布其斯坦福實驗室團隊在 AI 最新的成果：運用機器學習方法，能夠更加精確預測患者在高血壓治療中可能獲得的效果。

在一般的心血管疾病中，疾病治療帶來的絕對風險降低（ARR）是與該病的基線風險相關的，即高風險的患者能從治療中獲得更多的收益。

而斯坦福實驗室使用隨機試驗數(shù)據(jù)，開發(fā)一個能夠估計個體治療效果的模型。斯坦福實驗室團隊對兩個假設進行了測試：

第一，個體治療效果的模型將顯示，高強度的高血壓治療下，患者的收益與疾病的基準風險成正比；第二，設計用于預測異構治療效果的機器學習方法：X-learner 元算法，并假設 X-learner 的算法的效果與傳統(tǒng)的邏輯回歸（Logistic Regression）方法相當。

圖丨吳恩達團隊論文（來源：ahajournals.org）

吳恩達團隊將常規(guī)的邏輯回歸與 X-learner 方法進行比較，預測患病 3 年的心血管疾病患者在經過強化治療（目標是將收縮壓降至低于 120 mm?Hg）及常規(guī)治療（收縮壓降至低于 120 mm?Hg）后的風險降低的程度。結果顯示，使用邏輯回歸的方法得到的 ARR 預測值通常與心血管風險成正比，而 X-learner 則能夠正確地觀察到，個體治療效果經常是與基線風險不成比例的。

這樣的結論也說明了，在為患者進行高血壓治療的時候，根據(jù)患者各人具體情況設計療法，效果很可能優(yōu)于給所有人相同的療法，為現(xiàn)有的高血壓治療提供新的視角和思路。這也是吳恩達團隊希望能夠實現(xiàn)的效果。

作為著名華人 AI 學者，吳恩達自從從百度離職回歸學術界后，在醫(yī)療領域應用人工智能就成為他的人工智能研究重心之一，他也堅信，在醫(yī)療領域上會有一場技術革命，其帶領的團隊這兩年常有新的醫(yī)療 AI 應用研究誕生，如 2017 年吳恩達帶領團隊開發(fā)出一種算法，可以從現(xiàn)有心電圖中找出四種不同的心律不齊，2018 年他和斯坦福大學 ML Group 發(fā)布了放射影像數(shù)據(jù)集，還在這個數(shù)據(jù)集的基礎上舉辦深度學習挑戰(zhàn)賽等。在未來，可能會有更多人應用機器學習在患者數(shù)據(jù)中尋找很多疾病的診斷或者療法預測的方法。

但是，想要公眾接受這一技術并非易事。這些算法的原理和邏輯都很繁雜，不是隨隨便便就能解釋清楚的。即便可以，醫(yī)生和病人也很難理解。尋找可行的解釋方式也對于增強醫(yī)患關系與強化治療方法十分重要，所以，盡管這樣的研究一直層出不窮，但現(xiàn)階段我們可能還不會在周圍的醫(yī)院里見到這種技術的身影。