醫院中約有11%的死亡可歸因于未能及時發現并治療病情出現惡化的患者。其中，急性腎損傷是一類可能會致命的疾病，美國約有五分之一的住院患者會受其影響。

為了改變這一情況，英國倫敦著名人工智能研究機構“深度思維”(Deep Mind)公司科學家約瑟芬·萊德薩姆及其同事，開發了一種可以評估患者危險因素的深度學習方法。研究團隊證實了該方法在預測急性腎損傷方面的適用性。

研究人員利用在美國退伍軍人醫療體系接受過治療的逾70萬名患者的數據訓練了這一系統。結果顯示，該系統能比標準臨床監測方法最早提前48小時準確預測出55.8%的急性腎損傷發作，同時，系統還成功識別出了90.2%的需要透析的嚴重急性腎損傷患者。這類早期預警，將能讓患者在出現不可逆的腎損害前及時獲得治療。

研究人員指出，現階段該研究存在部分局限性，譬如，每個陽性預測結果對應兩個假陽性預警。不過，這些假陽性預警多半發生在已有慢性腎損傷的患者身上。此外，由于訓練AI系統的數據中只有6.38%的女性患者，因此，尚不清楚這一方法在更大群體中的適用性。

美國斯克利普斯應用科學研究所科學家表示，盡管如此，該研究結果依然為人們揭示了AI系統在預測以及預防住院患者發生不良事件方面的重要作用。