医院中约有11%的死亡可归因于未能及时发现并治疗病情出现恶化的患者。其中，急性肾损伤是一类可能会致命的疾病，美国约有五分之一的住院患者会受其影响。

为了改变这一情况，英国伦敦著名人工智能研究机构“深度思维”(Deep Mind)公司科学家约瑟芬·莱德萨姆及其同事，开发了一种可以评估患者危险因素的深度学习方法。研究团队证实了该方法在预测急性肾损伤方面的适用性。

研究人员利用在美国退伍军人医疗体系接受过治疗的逾70万名患者的数据训练了这一系统。结果显示，该系统能比标准临床监测方法最早提前48小时准确预测出55.8%的急性肾损伤发作，同时，系统还成功识别出了90.2%的需要透析的严重急性肾损伤患者。这类早期预警，将能让患者在出现不可逆的肾损害前及时获得治疗。

研究人员指出，现阶段该研究存在部分局限性，譬如，每个阳性预测结果对应两个假阳性预警。不过，这些假阳性预警多半发生在已有慢性肾损伤的患者身上。此外，由于训练AI系统的数据中只有6.38%的女性患者，因此，尚不清楚这一方法在更大群体中的适用性。

美国斯克利普斯应用科学研究所科学家表示，尽管如此，该研究结果依然为人们揭示了AI系统在预测以及预防住院患者发生不良事件方面的重要作用。