过去 20 个月,影响全球医学界的 11 大 AI 事件

图片 1

图片 2

人工智能尤其是深度学习技术的成熟使得市场上出现了很多AI辅助诊断产品。人类基因组测序技术的革新、生物医学分析技术的进步、以及大数据分析工具的出现,为病人提供更精准、高效、安全的诊断及治疗。

人工智能技术在物流、医疗、金融、产业物联网等很多领域都有现实应用。对于关乎每个人健康的医疗领域而言,不管医生是不是接受,人工智能(已强势闯入医疗界。

自从2016年阿尔法狗在围棋界全面战胜人类智慧,人工智能会不会战胜人类甚至取代人类的话题再次被摆在了风口浪尖。医学领域作为人工智能应用的热门领域也不可避免。一时间,AI与医生似乎站在了一个尖锐的对立面。

最近有两条消息再次把人工智能推向了高潮:

IEEE Spectrum在2018新年伊始推出专刊“AI vs
Doctors”,统计了从2016年5月至今,AI在医疗领域的进展,并对比各大细分领域AI与人类医生能力差距。

1.2017两会中人工智能第一次出现在政府工作报告中,关注人工智能的科技界因此热血沸腾。

下面,就带你看看在过去的一年里研究团队的重大突破,梳理一下在哪些疾病领域,AI已经可以与医生媲美,又在哪些方面还力有未逮。

2.世界癌症日2月4日当天,IBM
Watson医生第一次在中国“出诊”,仅用10秒就开出了癌症处方。

图片 3

在这个时代,学习和思考已经不是人类的特权,人工智能能够拥有人类已有的能力已经成为可能,比如,IBM
Watson。

吴恩达团队用CNN算法识别肺炎

IBM Watson
可以在17秒内阅读3469本医学专着、24.8万篇论文,69种治疗方案、61540次试验数据、10.6万份临床报告。通过海量汲取医学知识,包括300多份医学期刊、200多种教科书及近1000万页文字,IBM
Watson在短时间内可以迅速成为肿瘤专家,拥有更强大脑的癌症专家。在印度,Watson医生为一名已经无药可救的癌症晚期患者找到了诊断方案;在日本,Watson医生只花了10分钟就确诊了一例罕见白血病,

仅在美国,每年就有超过100万成年人因为肺炎住院,5万人因为该病而死亡。

在世界癌症日2月4日当天,IBM
Watson医生第一次在中国“出诊”,仅用10秒就开出了癌症处方。再次引发舆论热潮,把人工智能+医疗推向了高潮。

深度学习着名学者吴恩达和他在斯坦福大学的团队一直在医疗方面努力。吴恩达团队提出了一种名为CheXNet的新技术。研究人员表示:新技术已经在识别胸透照片中肺炎等疾病上的准确率上超越人类专业医师。

不管医生是不是接受,人工智能
已经强势闯入医疗界,让我们一起回顾一下,人工智能战胜人类的那些事件。

算法被称为CheXNet,它是一个121层的卷积神经网络。该网络在目前最大的开放式胸透照片数据集“ChestX-ray14”上进行训练。ChestX-ray14数据集包含14种疾病的10万张前视图X-ray图像。

1.Science报道自学习式人工智能可协助预测心脏病发作

图片 4

Science杂志报道了英国诺丁汉大学流行病学家Stephen Weng博士团队发表在PLOS
ONE上的重要研究成果,Weng博士团队将机器学习算法应用于电子病历的常规数据分析,发现与当前的心脏病预测方法相比,深度学习算法不仅可以更准确地预测心脏病发病风险,还可以降低假阳性患者数量。

CheXNet在使用胸透图像识别肺炎任务上的表现超过放射科医师的平均水平。在测试中,CheXNet与四名人类放射科医师在敏感度以及特异性上进行比较。放射科医生的个人表现以橙色点标记,平均值以绿色点标记。CheXNet输出从胸透照片上检测出的患肺炎概率,蓝色曲线是分类阈值形成的。所有医师的敏感度-特异性点均低于蓝色曲线。

在这项新研究中,Weng和其同事对比了ACC/AHA
指导方针和4个机器学习算法:随机森林、logistic
回归、梯度提升以及神经网络。为了在没有人类指示的情况下得出预测工具,所有这
4
项技术分析了大量数据,被分析的数据来自英国378256名患者的电子医疗记录,目标是在与心血管疾病有关的记录之中找出发病模式。

AI预测心脏病发作和中风

2.人工智能诊断皮肤癌准确率达91%

2017年5月发表在《公共科学图书馆期刊》上的一篇论文中显示,大约有一半的心脏病发作和中风发生在没有被标记为“有危险”的人群中。

斯坦福大学一个联合研究团队开发出了一个皮肤癌诊断准确率媲美人类医生的人工智能,相关成果刊发为了1月底《自然》杂志的封面论文,题为《达到皮肤科医生水平的皮肤癌筛查深度神经网络》(Dermatologist-level
classification of skin cancer with deep neural
networks)。他们通过深度学习的方法,用近13万张痣、皮疹和其他皮肤病变的图像训练机器识别其中的皮肤癌症状,在与21位皮肤科医生的诊断结果进行对比后,他们发现这个深度神经网络的诊断准确率与人类医生不相上下,在91%以上。

目前,评估病人风险的标准方法依赖于美国心脏协会和美国心脏病学会制定的指导方针。医生们使用这些指导方针,将重点放在已确定的危险因素上,如高血压、胆固醇、年龄、吸烟和糖尿病。

在测试中,人工智能被要求完成三项诊断任务:鉴别角化细胞癌、鉴别黑色素瘤,以及使用皮肤镜图像对黑色素瘤进行分类。研究者通过建构敏感性-特异性曲线对算法的表现进行衡量。敏感性体现了算法正确识别恶性病变的能力,特异性体现了算法正确识别良性病变,即不误诊为癌症的能力。在所有三项任务中,该人工智能表现与人类皮肤科医生不相上下,敏感性达到91%。

英国诺丁汉大学的研究人员创建了一个AI系统来收集病人的日常医疗数据,并预测在10年内他们中的哪些人会发生心脏病或中风。与标准预测方法相比,人工智能系统正确预测了355例患者的命运。

3.人工智能走进ICU:可预测病人死亡 准确率达93%

研究人员Stephen
Weng和他的同事们在全英国378256名患者身上测试了几种不同的机器学习工具。这些记录追踪了2005年至2015年患者及其健康状况,并包含了人口统计学、医疗条件、处方药物、医院访问、实验室结果等信息。

在洛杉矶儿童医院,数据科学家Melissa Aczon和David
Ledbetter提出了一种人工智能系统,这个系统可以让医生们更好地了解哪些孩子的病情可能会恶化。

研究人员将75%的医疗记录录入他们的机器学习模型中,以找出那些在10年时间内心脏病发作或中风患者的显着特征。然后,Weng的小组对其余25%的记录进行了测试,以确定他们预测心脏病和中风的准确程度。他们还测试了记录子集的标准指南。

他们使用了PICU里超过12000名患者的健康记录,机器学习程序在数据中发现了相关规律,成功识别出了即将死亡的患者。该程序预测死亡的准确率达到了93%,明显比目前在医院PICU中使用的简单评级系统表现更好。Aczon和Ledbetter在Arxiv上发表了相关论文,公布了他们的研究成果。

如果使用一个1.0表示100%准确度的统计数据,标准指南的得分为0.728。机器学习模型的范围从0.745到0.764,最好的分数来自于一种叫做神经网络的机器学习模型。

他们实验的创新点是使用了一种叫做循环神经网络的机器学习方法,这种方法擅长处理持续的数据序列,而不是从某一个时刻的数据点直接得出结论。“RNN网络是处理临床数据序列的一种有效方法。”Aczon说,“它能够整合新产生的信息序列,得到准确的输出。”所以在程序中,RNN网络表现得更好,因为它能够随着时间的推移,根据病人最近12小时的临床数据,做出最准确的预测。

虽然机器评分听起来可能不是一个彻头彻尾的胜利,但用一串数字可以表明,AI在疾病预防方面所取得的优势:神经网络模型预测,在7404例实际病例中,有4998例患者心脏病发作或中风,超过标准指南355例方法。有了这些预测,医生可以采取预防措施,例如开药降低胆固醇。

4.第三军医大利用人工智能30秒内鉴定血型,超99.9%准确率

Post Author: admin

发表评论

电子邮件地址不会被公开。 必填项已用*标注