最近的一項(xiàng)研究顯示,，人工智能(AI)在預(yù)測(cè)死亡或心臟病發(fā)作的表現(xiàn)已經(jīng)超過了人類。人類的思考維度是有限的,，而高維度模式比單維度模式更有助于預(yù)測(cè)個(gè)體結(jié)果,。在醫(yī)學(xué)診斷領(lǐng)域，AI正在大顯身手,。通過重復(fù)學(xué)習(xí)和不斷調(diào)整,，AI可以利用大量的數(shù)據(jù)，來識(shí)別那些可能并不明顯的潛在疾病,。

查看心臟測(cè)試結(jié)果

預(yù)測(cè)一年內(nèi)死亡風(fēng)險(xiǎn)

據(jù)英國(guó)《新科學(xué)家》雜志網(wǎng)站11月11日?qǐng)?bào)道,，美國(guó)科學(xué)家的一項(xiàng)新研究稱，人工智能(AI)可以通過查看某人的心臟測(cè)試結(jié)果,，預(yù)測(cè)其一年之內(nèi)死亡的風(fēng)險(xiǎn)——即便醫(yī)生認(rèn)為他們正常,，但AI如何擁有這項(xiàng)“特異功能”仍是未解之謎。

在此研究中,，醫(yī)療保健服務(wù)提供商蓋辛格公司的布蘭登·佛恩沃爾特及同事讓AI檢查了約40萬人的177萬例心電圖(ECG)，以預(yù)測(cè)未來一年內(nèi)誰的死亡風(fēng)險(xiǎn)更高,。

為了做到這一點(diǎn),，該團(tuán)隊(duì)訓(xùn)練了兩種版本的AI:一種AI僅被“喂食”原始ECG數(shù)據(jù)，其可隨時(shí)間測(cè)量出電壓,；另一種AI則被“喂食”了ECG以及患者的年齡和性別數(shù)據(jù),。

研究人員使用名為“AUC”的指標(biāo)來衡量這兩種AI的性能，該指標(biāo)可以描述模型各方面的表現(xiàn),，區(qū)別一年內(nèi)可能死亡患者和幸存患者,。佛恩沃爾特說，結(jié)果表明,，AI的得分始終高于0.85分(滿分為1分,，得分為0.5表示兩種AI之間沒有區(qū)別)；而醫(yī)生目前使用的風(fēng)險(xiǎn)評(píng)分模型的AUC的得分介于0.65—0.8之間。

為進(jìn)行比較,，研究人員還基于醫(yī)生測(cè)量的ECG特征創(chuàng)建了一種算法,，但佛恩沃爾特說：“無論如何，基于電壓的模型的表現(xiàn)總比根據(jù)我們從心電圖測(cè)量得到的數(shù)據(jù)而創(chuàng)建的模型要好,?！?/p>

更重要的是，即使心臟病專家認(rèn)為心電圖正常的人,，AI也能準(zhǔn)確預(yù)測(cè)其死亡風(fēng)險(xiǎn),。三名心臟病專家分別檢查了表現(xiàn)正常的心電圖，但無法找出AI檢測(cè)到的風(fēng)險(xiǎn)模式,。

佛恩沃爾特說：“這一發(fā)現(xiàn)表明,，該模型可能看到了人類看不到的東西，或者至少是醫(yī)生忽略并認(rèn)為正常的東西,。因此,，AI有可能幫我們厘清幾十年來一直誤解的東西?！毖芯咳藛T將在11月16日于達(dá)拉斯舉辦的美國(guó)心臟協(xié)會(huì)科學(xué)會(huì)議上宣布這項(xiàng)研究,。

另外，2018年6月,，谷歌的一項(xiàng)研究報(bào)告稱,，該公司已開發(fā)出一種新人工智能算法，可預(yù)測(cè)人的死亡時(shí)間,，且準(zhǔn)確率高達(dá)95%,。據(jù)報(bào)道，這項(xiàng)AI技術(shù)對(duì)患者面臨的一系列臨床問題進(jìn)行了測(cè)試,。在研究中,，谷歌對(duì)來自兩個(gè)醫(yī)療中心至少21.6萬名成人患者，應(yīng)用了這一AI技術(shù),，測(cè)試時(shí)間至少為24個(gè)小時(shí),。研究人員從電子健康記錄中獲取了大量數(shù)據(jù)。

研究證實(shí),，該算法可準(zhǔn)確地預(yù)測(cè)病人的死亡風(fēng)險(xiǎn),、再入院情況，延長(zhǎng)住院時(shí)間和出院診斷,。在所有情況下,，該算法都被證明比以前公布的算法更精確。據(jù)加州大學(xué)舊金山衛(wèi)生系統(tǒng)的數(shù)據(jù)顯示,，該AI算法在預(yù)測(cè)患者死亡率方面有95%的準(zhǔn)確率。

患者只需要做選擇題

AI就能生成電子病歷

每天，醫(yī)學(xué)實(shí)驗(yàn)室或診所等機(jī)構(gòu)都要對(duì)數(shù)百萬個(gè)單細(xì)胞進(jìn)行診斷工作,。大部分重復(fù)性工作仍由受過訓(xùn)練的細(xì)胞學(xué)家手動(dòng)完成,，他們通過檢查染色涂片中的細(xì)胞并將其分為大約15個(gè)不同類別。為了順利完成上述工作,，需要具備專業(yè)知識(shí)且訓(xùn)練有素的細(xì)胞學(xué)家,。

為了提高細(xì)胞分類以及檢測(cè)效率，德國(guó)亥姆霍茲慕尼黑環(huán)境與健康研究中心和慕尼黑大學(xué)醫(yī)院的一組研究人員“訓(xùn)練”了一個(gè)具有近2萬個(gè)單細(xì)胞圖像的深層神經(jīng)元網(wǎng)絡(luò),。

在這項(xiàng)研究中,，研究者對(duì)100例患有侵襲性血液病的患者，和100例對(duì)照志愿者的血液涂片中提取的相關(guān)圖像分析,。通過比較其與人類專家的檢測(cè)準(zhǔn)確性,，從而評(píng)估AI驅(qū)動(dòng)檢測(cè)方法的效果。結(jié)果表明,，由AI驅(qū)動(dòng)的解決方案能夠取得與訓(xùn)練有素的細(xì)胞學(xué)家一樣好的成績(jī),。

不僅如此，目前AI輔助診斷已經(jīng)以一種更為易用的方式應(yīng)用于臨床,。位于日本東京江戶川區(qū)的目目澤醫(yī)院,，今年4月已開始利用AI問診系統(tǒng)接診。這是一種類似于掌上電腦的系統(tǒng),，患者只需要在上面做選擇題,，AI系統(tǒng)就能根據(jù)患者的選擇自動(dòng)生成電子病歷。

這個(gè)AI系統(tǒng)主要針對(duì)慢性頭痛患者,，會(huì)問“疼痛的部位”“感覺”“發(fā)生頭痛的時(shí)間”等問題,。其中，“疼痛的部位”又分為“整個(gè)頭部”“一側(cè)”等,；“感覺”又分為“刺痛”“昏沉”等,；“發(fā)生頭痛的時(shí)間”又分為“喝酒的時(shí)候”“激烈運(yùn)動(dòng)之后”等。

該醫(yī)院院長(zhǎng)目目澤肇介紹：“這個(gè)系統(tǒng)保存了約5萬份有關(guān)內(nèi)科疾病的論文,。根據(jù)患者的選項(xiàng),，AI系統(tǒng)用專業(yè)的醫(yī)療術(shù)語自動(dòng)生成電子病歷。這樣可以節(jié)省在問診過程中輸入電腦的時(shí)間,。以前一個(gè)問診差不多要10分鐘以上的時(shí)間，現(xiàn)在只需要4分鐘就可以了,?！币?yàn)榇蟠鬁p少了等待時(shí)間，這個(gè)系統(tǒng)也得到了患者們的好評(píng),。

據(jù)了解,，這個(gè)系統(tǒng)由東京一個(gè)創(chuàng)新企業(yè)于2017年開發(fā)，目前已經(jīng)被日本70多個(gè)醫(yī)療單位引進(jìn)使用。

“看臉”就能鑒別

診斷有困難的基因病

醫(yī)生診斷疾病的基本功是“視觸叩聽”,，靠“相面”看病會(huì)被視為不靠譜的玄學(xué)操作,。不過，目前深度學(xué)習(xí)算法已破解玄學(xué),，AI真的做到了“看臉”辨識(shí)疾病,。

相關(guān)內(nèi)容發(fā)表于今年年初的《自然醫(yī)學(xué)》雜志，標(biāo)題大意為“使用深度學(xué)習(xí)辨別基因缺陷的面部表型”,。這項(xiàng)“相面”看病系統(tǒng),，叫做DeepGestalt,專門用于從面部辨識(shí)基因疾病，以幫助臨床醫(yī)生進(jìn)行診斷,。

其看病“原理”是基于“部分人的臉部特征會(huì)帶出明顯的基因特點(diǎn)”,，因此這個(gè)AI主要用于看基因病，尤其是沒有明顯典型癥狀,，鑒別診斷有困難的基因病,。

比如，針對(duì)德朗熱綜合征患兒,，此病典型的表現(xiàn)為生長(zhǎng)遲緩,，智力發(fā)育遲緩，具有面容上的特征以及上肢缺陷,。但有時(shí)患者的表現(xiàn)并不典型,，面容特征又需要與其他疾病鑒別，這就到了“相面”輔助診斷AI出場(chǎng)的時(shí)候,。

目前,，經(jīng)過訓(xùn)練的DeepGestalt大約能從面容上識(shí)別200多個(gè)綜合征，準(zhǔn)確率在91%左右,。

據(jù)報(bào)道,，已有醫(yī)生使用與這一AI相連的APP,對(duì)自己無法確診的患者進(jìn)行拍照上傳，讓DeepGestalt給出參考意見——后者有極高的概率是正確的,。

除了像這樣用作診斷參考意見之外,，DeepGestalt還可以提供線索和思路——如果一名醫(yī)生接診患者之后，全無頭緒,，可以直接拍照上傳,，AI會(huì)提供一些備選的方向。就像用搜索引擎一樣方便,。

那么,，DeepGestalt是怎樣看病的？

深度學(xué)習(xí)算法之所以成為新世紀(jì)迄今為止最為重大的AI革命,，主要原因是它不像之前的AI,在學(xué)習(xí)上是機(jī)械性的,。深度學(xué)習(xí)是目前最偉大的仿生學(xué)實(shí)踐——它模仿人類中樞神經(jīng)的運(yùn)作方法,，可以說是“像人腦一樣去學(xué)習(xí)”。

在這個(gè)基礎(chǔ)上,，訓(xùn)練DeepGestalt識(shí)別基因疾病,，原理上近似于訓(xùn)練人類基因病專家有針對(duì)性地去通過面部特征來識(shí)別相應(yīng)疾病——只是它相對(duì)更高效。

近年來,，圍繞應(yīng)用人工智能的潛在益處和風(fēng)險(xiǎn),，正在經(jīng)歷激烈爭(zhēng)論。但在醫(yī)療保健領(lǐng)域,，越來越多的人認(rèn)為利用人工智能是一種很好的方法,，因?yàn)檫@有助于更好地確定病人的病情和治療方案。