產品展示

您所在位置:首頁 > 產品展示 > 正文

人工智能再次戰勝人類,人工智能強勢闖入醫療界

文章作者:www.utbltn.icu發布時間:2019-11-14瀏覽次數:1702

人工智能技術在物流,醫療,金融和工業物聯網等許多領域具有實際應用。對于涉及每個人健康的醫療領域,無論醫生是否接受它,人工智能(已被迫進入醫學界。

最近的兩條消息再一次將人工智能推向了高潮:

1.在兩會的兩屆會議上,人工智能首次出現在政府工作報告中,與人工智能有關的科技界非常興奮。

2.世界癌癥日2月4日,小發貓Watson博士首次在中國“診斷出”并在短短10秒鐘內開出了癌癥處方。

在這個時代,學習和思考不再是人類的特權。人工智能可能具有人類已有的功能,例如小發貓Watson。

小發貓Watson可以在17秒內閱讀3,469份醫學專著,248,000篇論文,69份治療計劃,子測試數據和106,000份臨床報告。通過大量的醫學知識,包括300多種醫學期刊,200多本教科書和近1000萬頁的文本,小發貓Watson可以在很短的時間內迅速成為一名腫瘤學家和腦科學家。在印度,沃森醫生為一位已經無法治愈的晚期癌癥患者找到了診斷;在日本,沃森醫生僅在10分鐘內診斷出罕見的白血病,

2月4日,世界癌癥日,小發貓Watson博士首次在中國“診斷出”,并在短短10秒鐘內開出癌癥處方。輿論熱潮再一次將人工智能+醫療保健推向了高潮。

無論醫生是否接受,人工智能(AI)都已進入醫學界。讓我們回顧一下人工智能擊敗人類的事件。

1.Science報告說,自學人工智能有助于預測心臟病發作

“科學”雜志報道了英國諾丁漢大學流行病學家Stephen Weng博士在PLOS ONE上發表的重要研究成果。翁博士將機器學習算法應用于電子病歷的常規數據分析,發現它符合當前預測心臟病的方法。相比之下,深度學習算法不僅可以更準確地預測心臟病的風險,還可以減少假陽性患者的數量。

在這項新研究中,翁和他的同事比較了ACC/AHA指南和四種機器學習算法:隨機森林,邏輯回歸,梯度增強和神經網絡。網絡)。為了在沒有人工指導的情況下推導出預測工具,所有這四種技術都從英國患者的電子病歷中分析了大量數據,目的是找出與心血管疾病相關的記錄。發病模式。

2.人工智能診斷皮膚癌的準確率為91%

斯坦福大學的一個聯合研究小組開發了一種人工智能,用于診斷與人類醫生相當的皮膚癌。結果發表于1月底《自然》雜志封面論文題為《達到皮膚科醫生水平的皮膚癌篩查深度神經網絡》(皮膚病學水平的皮膚癌分類與深度神經網絡)。他們采用深度學習方法,通過近130,000張痰,皮疹和其他皮膚病變圖像來識別皮膚癌癥狀。通過與21名皮膚科醫生的診斷比較,他們發現了這種深層神經網絡。診斷準確性與人類醫生相當,高于91%。

在測試中,人工智能被要求完成三項診斷任務:識別角質形成細胞癌,識別黑素瘤,并使用皮膚鏡圖像分類黑素瘤。研究人員通過構建靈敏度 - 特異性曲線來測量算法的性能。靈敏度反映了算法正確識別惡性病變的能力,并且特別反映了算法正確識別良性病變的能力,即未被誤診為癌癥。在所有這三項任務中,人工智能的表現與人類皮膚科醫生的表現相當,敏感度為91%。

3.人工智能進入ICU:可預測的患者死亡準確率為93%

在洛杉磯兒童醫院,數據科學家Melissa Aczon和David Ledbetter提出了一種人工智能系統,可以讓醫生更好地了解哪些孩子的病情可能會惡化。

他們使用了PICU中多個患者的健康記錄,機器學習計劃在數據中找到了相關規則,并成功識別了即將死亡的患者。該計劃預測死亡準確率為93%,明顯優于醫院PICU目前使用的簡單評級系統。 Aczon和Ledbetter發表了關于Arxiv的論文并發表了他們的發現。

他們的實驗的創新是使用稱為回歸神經網絡(RNN)的機器學習方法,該方法擅長處理連續數據序列,而不是在某個時刻直接從數據點得出結論。 “RNN網絡是處理臨床數據序列的有效方法,”Aczon說。 “它集成了新生成的信息序列,以獲得準確的輸出。”因此,在該計劃中,RNN網絡表現更好,因為它可以隨著時間的推移,根據患者過去12小時的臨床數據做出最準確的預測。

4.第三軍醫大學使用人工智能在30秒內識別血型,準確率超過99.9%

3月15日,權威雜志發表了一篇關于中國第三軍醫大學洛陽隊的新研究。這對于急需輸血的患者具有重要意義。它可以為患者節省3-15分鐘,并提高他們的生存率。賠率也可用于緊急血液測試,如救援和救災,戰場急救等。

第三軍醫大學洛陽隊開發的技術可以在30秒內檢測出ABO血型和Rh血型,用一滴血在2分鐘內完成包括稀有血型在內的正負同時型(醫生進入)輸血)之前,為了減少錯誤,通常需要做正面和負面的刻板印象和交叉驗血。同時,該團隊還設計了一套智能算法,可根據試紙的顏色變化讀取血型,設置精度達99.9%以上。

為了減少由人類識別引起的錯誤,研發團隊開發了一種機器學習算法,以自動識別顏色變化。同時,為了驗證算法的準確性,研究人員首先使用經典的凝膠卡法鑒定了3550份血樣,然后進行了優化。參數化操作,算法模型準確測量了3550份血樣的血型。

5.谷歌開發人工智能眼科醫生:使用深度學習來預防失明

在JAMA的論文《用于檢測視網膜眼底照片中糖尿病性視網膜病變的深度學習算法的開發和驗證(Development and Validation of a Deep Learning Algorithm for Detection of Diabetic Retinopathy in Retinal Fundus Photographs)》中,我們提出了一種深度學習算法,可以解釋視網膜照片中DR的跡象,這有望幫助資源有限區域的醫生正確篩選更多患者。

研究人員創建了一個包含圖像的開發數據集,每個圖像由來自54位眼科醫生的三到七名醫生進行評估。該數據集用于訓練深度神經網絡,該網絡可以檢測可誘發糖尿病性視網膜病變的病癥。然后在包含大約一個圖像的兩個獨立的臨床驗證組上測試該算法的性能,該測試所參考的標準是大多數7或8個認證的美國眼科醫師的意見。選擇用于驗證集的眼科醫生的意見顯示出與培訓組中原始54名醫生的意見高度一致。

在該成人糖尿病視網膜眼底照片評估中,基于深度機器學習的算法對于疑似糖尿病性視網膜病變的檢測具有高靈敏度和特異性。進一步的研究是必要的,這將證實在臨床中應用該算法的可行性,并確定與目前的眼科評估相比,該算法的使用是否可以改善治療和診斷結果。

一般來說,“人工智能+醫療”不是噱頭,而是未來。一個令人興奮的人工智能時代即將到來!

蓝海赚钱