急诊室的深度学习是怎样的

利用深度学习的力量可以更好地预测急诊科的患者入院率和流程。使用针对高维数据设计的深度学习模型，KAUST研究人员表明，可以从复杂的医院记录中预测急诊科的人满为患。“可变自动编码器”深度学习模型的这种应用是一个示例，说明了如何使用机器学习来解释和提取难以理解的复杂数据集的含义，这些数据集对于人类来说太庞大或复杂。

机器学习是人工智能(AI)的重要方面，涉及使用训练数据训练AI模型。例如，一个AI模型可以通过使用包含数千种手写数字版本的数据集进行训练来学习识别三号图像。当一个简单的神经网络模型(包含接受输入，应用规则并产生输出的互连“神经元”)暴露于更多训练数据并完善每个神经元的规则时，将变得越来越准确。

但是，通过将神经元的隐藏中间层添加到这些网络中，可以提示模型自学习输入数据中的关系，而无需事先指定规则。这样的模型(称为深度学习模型)之所以功能强大，是因为它们首次使我们能够解释以前过大，异构或多参数的数据，从而无法以任何其他方式进行有意义的分析。

KAUST的研究科学家Fouzi Harrou说：“在学术界和工业界，深度学习已成为建模和预测研究中的一项有前途的研究领域。” “这些模型可以通过人工指导从大量数据集中自动提取信息，例如变量之间的隐式关系，复杂的模式识别以及时序数据中相关性的描述。”

Harrou与KAUST的统计学家Ying Sun以及法国和阿尔及利亚的合作者一起，将一种特别有前途的基于深度学习的模型称为变分自动编码器(VAE)，用于预测患者入院和流经儿科医院急诊室的问题。

Harrou说：“ VAE的一个特别吸引人的特征是它们能够将高维或多参数数据压缩为低维表示，从而能够灵活地生成定量比较。” 结果表明，VAE方法比其他模型表现更好，提供了一系列见解，例如患者入院高峰日和因果关系。