近日，吴恩达宣布其斯坦福实验室团队在 AI 最新的成果：运用机器学习方法，能够更加精确预测患者在高血压治疗中可能获得的效果。
在一般的心血管疾病中，疾病治疗带来的绝对风险降低（ARR）是与该病的基线风险相关的，即高风险的患者能从治疗中获得更多的收益。
而斯坦福实验室使用随机试验数据，开发一个能够估计个体治疗效果的模型。斯坦福实验室团队对两个假设进行了测试：
第一，个体治疗效果的模型将显示，高强度的高血压治疗下，患者的收益与疾病的基准风险成正比；第二，设计用于预测异构治疗效果的机器学习方法：X-learner 元算法，并假设 X-learner 的算法的效果与传统的逻辑回归（Logistic Regression）方法相当。
图丨吴恩达团队论文（来源：ahajournals.org）
吴恩达团队将常规的逻辑回归与 X-learner 方法进行比较，预测患病 3 年的心血管疾病患者在经过强化治疗（目标是将收缩压降至低于 120 mm Hg）及常规治疗（收缩压降至低于 120 mm Hg）后的风险降低的程度。结果显示，使用逻辑回归的方法得到的 ARR 预测值通常与心血管风险成正比，而 X-learner 则能够正确地观察到，个体治疗效果经常是与基线风险不成比例的。
这样的结论也说明了，在为患者进行高血压治疗的时候，根据患者各人具体情况设计疗法，效果很可能优于给所有人相同的疗法，为现有的高血压治疗提供新的视角和思路。这也是吴恩达团队希望能够实现的效果。
作为著名华人 AI 学者，吴恩达自从从百度离职回归学术界后，在医疗领域应用人工智能就成为他的人工智能研究重心之一，他也坚信，在医疗领域上会有一场技术革命，其带领的团队这两年常有新的医疗 AI 应用研究诞生，如 2017 年吴恩达带领团队开发出一种算法，可以从现有心电图中找出四种不同的心律不齐，2018 年他和斯坦福大学 ML Group 发布了放射影像数据集，还在这个数据集的基础上举办深度学习挑战赛等。在未来，可能会有更多人应用机器学习在患者数据中寻找很多疾病的诊断或者疗法预测的方法。
但是，想要公众接受这一技术并非易事。这些算法的原理和逻辑都很繁杂，不是随随便便就能解释清楚的。即便可以，医生和病人也很难理解。寻找可行的解释方式也对于增强医患关系与强化治疗方法十分重要，所以，尽管这样的研究一直层出不穷，但现阶段我们可能还不会在周围的医院里见到这种技术的身影。
