ChenyangLu是华盛顿大学圣路易斯麦凯维工程学院计算机科学与工程的Fullgraf教授，他将人工智能与数据相结合，以改善患者护理和治疗效果。

但他不仅关心病人，还关心病人。他还在开发技术以帮助监测医生的健康状况。

Lu实验室在今年的ACMSIGKDD知识发现和数据挖掘会议上发表了两篇论文，其中概述了他的团队与华盛顿大学医学院的合作者开发的新方法，以通过将深度学习引入临床护理来改善健康结果。

对于照顾者，卢研究了倦怠以及如何在它出现之前预测它。临床医生如何与电子健康记录互动的活动日志为研究人员提供了大量数据。他们将这些数据输入到Lu和他的团队开发的机器学习框架中——基于活动日志的分层倦怠预测(HiPAL)——它能够推断出有意义的工作负载模式，并以不显眼和自动化的方式从这些数据中预测倦怠。

在患者护理方面，手术室的医生会在术前护理和手术期间收集大量有关患者的数据——Lu和合作者认为他们可以将这些数据用于Lu的深度学习方法：临床变分自动编码器(cVAE).

使用Lu实验室设计的新算法，他们可以预测谁手术时间更长，谁更有可能在手术后出现谵妄。该模型能够将数百个临床变量转换为仅10个，该模型用于对优于当前方法的结果做出准确且可解释的预测。

在工程网站上了解有关团队发现的更多信息。

Lu和他的跨学科合作者将继续验证这两种模型，希望两者都能将AI的力量带入医院环境。

资料来源：圣路易斯华盛顿大学