凌波微步
——基于深度強化學習的臨床決策支持系統

系統介紹

現有的基于AI的臨床決策支持系統(CDSS)均是基于知識的,并且主要服務于診斷。另一方面,AlphaGo擊敗世界冠軍李世石,使大家意識深度強化學習能利用過程數據發現新的圍棋知識或者模式,從而可以超越人類。

臨床決策支持系統,同樣可以通過深度強化學習來大幅度提升智能水平,尤其疾病治療方向。美國哈佛&MIT醫學院等2019年在Nature Medicine發表論文,關于強化學習在醫療健康的技術應用指南。為采用強化學習進行患者治療決策提供指導方針,他們希望這將加快觀察群組以安全、有風險意識的方式告知醫療實踐的速度。

我們的人工智能團隊從2018年開始了這方面的研發工作,包括數據建設、算法開發、軟件系統開發等。我們的產品取名凌波微步。凌波微步取自于《易經》,有精準的意思。

數據建設方面,獲得了重癥監護數據庫MIT的訪問資質,然后進行了本地化,開發出了數據對齊軟件,以及基于因果檢驗的降維工具。算法開發方面,針對膿毒癥的治療策略,我們用Deep Deterministic Policy Gradient (DDPG)算法,超越了MIT團隊的DQN算法,使患者獲得更高的存活率。同時,模型訓練時間更快,穩定性更好。軟件系統開發方面,集成了數據和算法,實時獲取來自HIS、LIS的數據,通過可視化界面定時輸出每一位病人的疾病狀態和治療建議,供醫生參考。

除了膿毒癥的治療策略,我們還分別和幾個三甲醫院開發呼吸衰竭、腎衰竭、腫瘤等疾病的治療策略。


軟件視頻


成果展示

  1. 2019-05-07,證書:CITI證書
  2. 2019-11-22,軟著:重癥監護數據庫中膿毒癥數據的時序對齊軟件
  3. 2019-08-28,論文:A New Method of Constructing Causality Network Based on Graph Structure Information and Conditional Causality Test
  4. 2020-08-01,軟著:基于DDPG算法的膿毒癥給藥策略模型軟件
  5. 2020-08-20,論文:A Dosing Strategy Model of Deep Deterministic Policy Gradient Algorithm for Sepsis

重癥監護數據庫中膿毒癥數據的時序對齊軟件


基于DDPG算法的膿毒癥給藥策略模型軟件