凌波微步
——基于深度强化学习的临床决策支持系统

系统介绍

现有的基于AI的临床决策支持系统(CDSS)均是基于知识的,并且主要服务于诊断。另一方面,AlphaGo击败世界冠军李世石,使大家意识深度强化学习能利用过程数据发现新的围棋知识或者模式,从而可以超越人类。

临床决策支持系统,同样可以通过深度强化学习来大幅度提升智能水平,尤其疾病治疗方向。美国哈佛&MIT医学院等2019年在Nature Medicine发表论文,关于强化学习在医疗健康的技术应用指南。为采用强化学习进行患者治疗决策提供指导方针,他们希望这将加快观察群组以安全、有风险意识的方式告知医疗实践的速度。

我们的人工智能团队从2018年开始了这方面的研发工作,包括数据建设、算法开发、软件系统开发等。我们的产品取名凌波微步。凌波微步取自于《易经》,有精准的意思。

数据建设方面,获得了重症监护数据库MIT的访问资质,然后进行了本地化,开发出了数据对齐软件,以及基于因果检验的降维工具。算法开发方面,针对脓毒症的治疗策略,我们用Deep Deterministic Policy Gradient (DDPG)算法,超越了MIT团队的DQN算法,使患者获得更高的存活率。同时,模型训练时间更快,稳定性更好。软件系统开发方面,集成了数据和算法,实时获取来自HIS、LIS的数据,通过可视化界面定时输出每一位病人的疾病状态和治疗建议,供医生参考。

除了脓毒症的治疗策略,我们还分别和几个三甲医院开发呼吸衰竭、肾衰竭、肿瘤等疾病的治疗策略。



成果展示

  1. 2019-05-07,证书:CITI证书
  2. 2019-11-22,软著:重症监护数据库中脓毒症数据的时序对齐软件
  3. 2019-08-28,论文:A New Method of Constructing Causality Network Based on Graph Structure Information and Conditional Causality Test
  4. 2020-08-01,软著:基于DDPG算法的脓毒症给药策略模型软件
  5. 2020-08-20,论文:A Dosing Strategy Model of Deep Deterministic Policy Gradient Algorithm for Sepsis

重症监护数据库中脓毒症数据的时序对齐软件


基于DDPG算法的脓毒症给药策略模型软件