通过他们的研究相互帮助，两人很快意识到除了神经系统记录之外还有大量信息可以用于他们的工作，从温度测量到血压读数到呼吸机设置。更重要的是，他们意识到这些信息可能对Mass General及其患者产生广泛影响，但没有人真正合并和分析来自各种流的数据。因此，在神经病学主席Cudkowicz博士的支持下，他们开始做一些事情，好吧，Big。
CDAC为神经科学重症监护室开发的散点图旨在帮助那里的团队改善患者转移ICU的时间，使他们能够更快地获得他们需要的不同类型的护理，并为需要关注的患者开放更多床位。
动画更好的照顾
“我们认为，真正的力量在于能够将多种信息模式结合起来，以便为我们的患者和医院如何运行提出真正意义上的问题，”Cash博士说，“我们如何能够更好地提供医疗服务有效。”
为了找到这些问题的答案，CDAC团队不仅整合了大数据，还动画了大数据，有意义地组织和展示它，Cash博士解释说，这实际上有影响。在他们的手中，数据不仅仅是屏幕上的数字：统计数据转换为动态图形和图表，生动的颜色，符号和插图。
“这不仅仅是计算机中的数据集合，”Cash解释道。“它确实有用; 它可以让你预测谁会遇到麻烦以及你如何进行干预。“
例如，CDAC正与Mass General传染病科的Erica Shenoy博士合作， 以更好地了解为什么患者会患上医院获得性感染，主要是肺炎。他们已经开发出了从ICU房间的所有监视器捕获数据的方法 - 到目前为止，呼吸机数据在床边的10秒窗口中显示然后消失 - 并存档大量的流式连续内容。很快，他们将定期发送自动报告，显示患者发生肺炎的时间和原因，以便发现趋势，最终有助于减少肺炎病例的数量。
他们还与神经科学重症监护室副主任Taylor Kimberly博士合作，追踪患者何时准备离开Neurocritical Care以及何时实际感动。他们将数据 - 作为复杂的散点图 - 呈现给Kimberly博士进行根本原因分析。目标？帮助他确定一天中的确切时间以及最有可能导致延误的问题，从而改善转移时间，因此需要关注的人有床，因此离开ICU的患者可以更快地获得他们需要的各种护理。
在前沿：大数据符合人工智能的地方
Westover博士认为，大数据真正体现在自身生命中的地方正处于机器学习的交叉点，更具体地说是深度学习。机器学习就像听起来一样：计算机无需明确编程即可学习; 深度学习使机器学习更接近人工智能（AI）。换句话说，“你不仅拥有所有这些数据，”Westover博士分享道，“但你训练机器做出明智的推论。”
对于Westover博士来说，参与人工智能领域的第一步就是让计算机能够阅读脑电图，并且可能准确地诊断癫痫症 - 正是这一目标使他首先获得了Cash博士和大数据。“为了尝试教导计算机如何做医生在解释脑电波时所做的事情，我们意识到我们确实需要大量的数据集，”他指出。“专家们可以做的令人印象深刻的事情是，他们可以筛选所有的噪音来检测患者身上相同的模式，即使背景和细节非常不同。要教一台计算机来做这件事，你需要人们在多年的医学培训中得到的东西：很多很多例子可供学习。“
他出去找了那些例子。CDAC拥有300多TB的数据，几乎每秒都会有更多的数据，包括过去十年在Mass General进行的数万次临床脑电图。
事实上，由于这些录音，Westover博士已经能够教授计算机有效和智能地阅读EEG的许多方面。他和CDAC的团队开发了一种算法来区分癫痫患者的异常情况 - 一些非常微妙的情况。使用它，计算机现在可以识别癫痫峰值以及人类可以。并且由于来自MGH睡眠实验室的10,000多个EEG记录和其他感官数据，Westover博士担任睡眠信息学主任，计算机现在可以分析睡眠阶段，呼吸问题（呼吸暂停）和肢体运动作为神经系统疾病的指标几乎和个人一样准确。
韦斯托弗博士的研究小组使用了基于人工智能技术培训计算机，还通过一种算法，成功地重现睡眠技师和医生在实验室做的，当他们分析患者的数据，以作出临床诊断工作。他对这种算法对实验室和患者意味着什么感到兴奋。
“实验室的时间和人力节省可能相当可观，”他说，并指出通常需要技术人员两个小时来审查和注释睡眠研究，然后医生大约需要30-60分钟进行随访。“总共可以减少到五到十分钟，整整三个小时。因此，实验室应该能够为更多的患者提供服务。“既然计算机知道它正在做什么，那么他正在研究人类的一部分。他和现任MGH医疗保健创新研究员兼CDAC研究员Kosta Stojanovic博士正在Mass General推出软件试点，正如CDAC的名字一样，正在评估如何最好地动画数据 - 正确的颜色和布局 - 以便该算法提供的信息将易于从业者理解和使用。最终，
人工智能和脑年龄指数
特别是睡眠EEG数据时，Westover博士和他在CDAC的团队并没有停止这项算法的成功及其未来的临床实施计划。
在开发了复杂的程序之后，他们想知道他们是否能够预测一个人过夜记录他们的大脑活动的年龄。知道在一个人生命的不同阶段记录的脑电图显示脑部变化的系统性进展，CDAC的明星博士后研究员Haoqi Sun博士再次挖掘睡眠研究数据 - 任何地方最大的临床睡眠数据集 - 试图向后工作。
果然，他们发现计算机可以通过大脑活动预测患者的年龄，与他们的真实年龄有85％的相关性。但这并不是他们最有趣的发现。计算机的错误确实存在。“我们从来没有完全正确，”孙博士解释说。“有时，有人才40岁，但电脑说他们的大脑看起来像是50岁的人。或者，电脑认为他们的大脑看起来像是30岁的人。”他继续道，“如果你的大脑看起来像那个50岁的你只有40岁，这可能是值得担心的事情。“Westover博士和他的团队将大脑看起来与计算机的年龄和实际的实际年龄之间的区别称为”大脑“年龄指数“（BAI），总结道，”BAI似乎是衡量大脑健康状况的指标。“
事实上，BAI较低或阴性的患者 - 其大脑看起来比他们实际上更年轻 - 具有比那些大脑看起来比实际年龄大的人更好的预期寿命。使用睡眠心脏健康研究中的信息，Drs。Westover和Sun以及Luis De Carvalho Paixao博士（另一位CDAC研究员）确定，在较低四分位数的BAI患者生活到87岁的可能性比在上四分位数的BAIs高26％。
Westover博士认为，这一发现对于患有高血压或糖尿病等慢性疾病的人尤为重要。他指出，例如，医生常规监测糖尿病患者的眼睛，以确保糖尿病不影响他们的眼部血管，这可能导致失明。“但我们从来没有办法测量疾病对大脑的影响，”他反映道。“我们认为BAI可能成为检查健康状况的标准部分，如果事情看起来更糟，会发出更严重的警告信号。”它甚至可以帮助发现痴呆症的早期迹象。毕竟，他说，“一旦为时已晚，我们已经或正在考虑的潜在治疗可能不会起作用。”
同样地，BAI可以被那些健康的人使用，他们只是想知道他们的大脑是如何衰老的。“这可能成为大脑的Fitbit，”Westover博士希望通过他们的睡眠节奏揭示一个人的神经健康。
机器与男人
CDAC团队甚至使用相同的深度学习和AI原理来缓解神经学家面临的极其困难的情况：被要求预测心脏骤停后昏迷并且经历一定程度的脑损伤或受伤的患者是否会醒来。
“到目前为止，它一直是非常主观的，”Westover博士说道。“并非所有神经科医生都有这方面的专业知识，即使是那些做过的人，仍然有一些判断。”
为了获得足够的数据来训练计算机做出这个决定，他们组建了一个联盟，从遥远的比利时和荷兰收集了连续的脑电图记录和心脏骤停患者结果，离家更近，从MGH以及耶鲁，贝丝以色列Deaconess医疗中心和布莱根妇女医院。他们现在拥有世界上最大的这一数据集。
在CDAC成员MIT研究生Mohammad Ghassemi和Mass General Neurocritical Care Fellow Ed Amorim的帮助下，他们创建了一个模型，可以在心脏骤停后的任何给定时间非常准确地预测患者最终恢复意识的可能性。
博士。Westover和Cash压力他们还没准备好辞职，让电脑做好自己的工作。但他们已经准备好让供应商将他们的深度学习成果付诸实践。一旦CDAC的心脏病发作研究发布，可能在明年，心脏病专家就可以开始要求机器进行预测。并且他们希望在不久的将来，没有癫痫专家或者可能只有一个癫痫专家的Mass General的医院可以开始利用他们的癫痫算法诊断癫痫发作，并避免需要神经科医生花30-60岁分钟审查脑电图录音。
他们也希望看到他们在睡眠数据方面的工作相同，尽管他们承认需要为这些发现做很多事情才能进入实验室和诊所。主要是，一个人在家中进行自己的睡眠研究需要很容易，只需要在他们自己的床上漂移之前将一个或两个传感器放在头上。该技术已经存在。但是为了使情景成为可能，他们的算法和BAI研究需要商业化。已经制造出用于测量睡眠的设备的公司可以将AI集成到他们的软件中，或者可以形成专注于AI和睡眠设备的新公司。
有趣的是，正在筹备更多的CDAC项目，他们欢迎潜在的合作。“我们希望让尽可能多的人能够使用我们的能力，”Cash博士说。尽管如此，他承诺，为了确保医院和患者的高质量信息和持续成功的结果，他们的大数据不会太大。
（注：转载时请注明复诊网）
