最近的研究表明人工智能系统在医学诊断重要疾病方面的能力
人工智能（AI）系统 已经存在了很长一段时间，现在随着时间的推移变得越来越聪明。 人工智能的应用领域非常广泛，现在是大多数领域不可或缺的一部分。 人工智能可以成为重要且有用的组成部分 医生 科学和研究，因为它具有影响医疗保健行业的巨大潜力。
医学诊断中的人工智能？
时间是医疗保健中最宝贵的资源，早期适当的诊断对于疾病的最终结果非常重要。医疗保健通常是一个漫长、耗时和资源消耗的过程，延误了有效的诊断，进而延误了正确的治疗。 AI 通过将患者诊断的速度和准确性结合起来，可以帮助填补医生的可用性和时间管理之间的差距。它可以帮助克服资源和医疗保健专业人员的限制，特别是在低收入和中等收入国家。人工智能是通过深度学习的概念像人类一样学习和思考的过程。深度学习利用大量样本数据自行创建决策树。通过这种深度学习，人工智能系统实际上可以像人类一样思考，甚至更好，因此人工智能可以被认为适合执行医疗任务。在诊断患者时，人工智能系统会不断寻找患有相同疾病的患者的模式。随着时间的推移，这些模式可以为在疾病出现之前进行预测奠定基础。
在最近的一项研究1 发表于 手机, 研究人员使用 人造的 智能和机器学习技术来开发一种新的计算工具来筛查患有常见但致盲性视网膜疾病的患者，从而可能加速诊断和治疗。 研究人员使用基于 AI 的神经网络来审查使用非侵入性技术进行的超过 200,000 次眼部扫描，该技术将光线反射到视网膜上以创建组织的 2D 和 3D 表示。 然后，他们采用了一种称为“迁移学习”的技术，其中在解决一个问题时获得的知识由计算机存储并应用于不同但相关的问题。 例如，经过优化以识别眼睛的离散解剖结构（如视网膜、角膜或视神经）的 AI 神经网络在检查整只眼睛的图像时可以更快、更有效地识别和评估它们。 这个过程允许人工智能系统逐渐学习比传统方法小得多的数据集，传统方法需要大数据集，这使得它们既昂贵又耗时。
该研究重点关注导致不可逆失明的两个常见原因，如果及早发现，这些原因是可以治疗的。将机器得出的诊断与五位检查相同扫描的眼科医生的诊断进行比较。除了做出医疗诊断外，人工智能平台还生成转诊和治疗建议，这在之前的任何研究中都没有做过。这个训练有素的人工智能系统就像训练有素的眼科医生一样，可以在 30 秒内就患者是否应该转诊接受治疗做出决定，准确率超过 95%。他们还根据胸部 X 光机器分析测试了人工智能工具诊断儿童肺炎的能力，儿童肺炎是全球儿童（5 岁以下）死亡的主要原因。有趣的是，该计算机程序能够区分病毒性肺炎和细菌性肺炎，准确率超过 90%。这一点至关重要，因为虽然病毒性肺炎在病程结束后会被身体自然清除，但另一方面，细菌性肺炎往往会造成更严重的健康威胁，需要立即使用抗生素治疗。
在另一个重大飞跃2 在用于医学诊断的人工智能系统中，科学家发现可以通过机器学习算法或软件分析拍摄的个人视网膜照片，通过识别指示心脏病的信号来预测心血管心脏病风险。 照片中捕获的眼睛血管状态显示可以准确预测年龄、性别、种族、血压、任何先前的心脏病发作和吸烟习惯，所有这些因素共同预测个人的心脏相关疾病。
眼睛作为信息块
查看眼睛的照片来诊断健康的想法已经存在一段时间了。 众所周知，人眼的后部内壁有很多反映身体整体健康状况的血管。 通过相机和显微镜对这些血管的外观进行研究和分析，可以预测很多关于个人的血压、年龄、吸烟或不吸烟等信息，这些都是一个人心脏健康的重要指标. 心血管疾病 (CVD) 是全球第一大死因，与任何其他疾病或病症相比，死于 CVD 的人更多。 这在低收入和中等收入国家更为普遍，给经济和人类带来巨大负担。 心血管风险取决于多种因素，如基因、年龄、种族、性别，以及运动和饮食。 大多数心血管疾病都可以通过解决行为风险来预防，例如使用烟草、肥胖、缺乏身体活动和不健康的饮食，通过显着改变生活方式来应对可能的风险。
使用视网膜图像进行健康诊断
这项由 Google 及其自己的健康技术公司 Verily Life Sciences 的研究人员进行的研究表明，在大约 280,000 名患者的视网膜照片的大型数据集上使用了人工智能算法，该算法能够成功地预测两个完全不同的心脏病风险因素。大约 12000 和 1000 名患者的独立数据集，具有相当好的准确性。 该算法使用视网膜的整张照片来量化图像与心脏病发作风险之间的关联。 该算法可以在 70% 的情况下预测患者的心血管事件，事实上，在该测试中，吸烟者和非吸烟者的预测率为 71%。 该算法还可以预测表明心脏状况的高血压，并在大多数有或没有高血压的患者范围内预测收缩压（心脏跳动时血管中的压力）。 据作者称，这种预测的准确性与实验室中的心血管检查非常相似，在实验室中，从患者身上抽取血液以测量胆固醇水平，同时与患者的病史平行。 本研究中的算法发表于 自然生物医学工程, 很有可能还可以预测主要心血管事件的发生 - 例如心脏病发作。
这些研究的一个非常有趣和关键的方面是计算机可以判断它在图像中的哪个位置进行诊断，从而使我们能够了解预测过程。 例如，谷歌的研究准确地显示了“视网膜的哪些部分”对预测算法有贡献，换句话说，算法是如何进行预测的。 这种理解不仅对于理解这种特定情况下的机器学习方法很重要，而且对于通过使其透明化来产生对整个方法的信心和信心也很重要。
挑战
这种医学图像带来了挑战，因为观察然后量化基于这些图像的关联并不简单，主要是因为这些图像中的几个特征、颜色、值、形状等。 这项研究使用深度学习来绘制人体解剖结构（身体内部形态）变化与疾病之间的联系、关联和关系，就像医疗保健专业人员在将患者症状与疾病相关联时所做的那样. 这些算法需要更多的测试才能用于临床环境。
尽管存在讨论和挑战，但人工智能具有巨大的潜力，可以通过分析和分类涉及人类专家难以处理的大量数据来彻底改变疾病的诊断和管理。 它提供快速、经济、非侵入性的替代性基于图像的诊断工具。 人工智能系统成功的重要因素将是更高的计算能力和更多的人的经验。 在可能的未来，无需人工指导或监督，人工智能就可以实现新的医学见解和诊断。
***
{您可以通过单击下面引用来源列表中给出的 DOI 链接来阅读原始研究论文}
来源（S）
1. Kermany DS 等。 2018. 通过基于图像的深度学习识别医学诊断和可治疗疾病。 细胞。 172(5)。 https://doi.org/10.1016/j.cell.2018.02.010
2. Poplin R 等人。 2018. 通过深度学习从视网膜眼底照片预测心血管危险因素。 自然生物医学工程。 2. https://doi.org/10.1038/s41551-018-0195-0
