医疗仪器模块 在线你懂 健康一体机 在线免费中文字幕 多参数监护仪 在线免费一区 智慧医疗仪器方案定制 血氧监护 心电监护 -朗锐慧康

2017兩會(huì)中人工智能第一次出現(xiàn)在政府工作報(bào)告中，關(guān)注人工智能的科技界因此熱血沸騰。世界癌癥日2月4日當(dāng)天，IBM Watson醫(yī)生第一次在中國“出診”，僅用10秒就開出了癌癥處方。這兩條消息再次把人工智能推向了高潮. 不管醫(yī)生是不是接受，人工智能(AI)　已經(jīng)強(qiáng)勢闖入醫(yī)療界，讓我們一起回顧一下，人工智能戰(zhàn)勝人類的那些事件。

1.Science報(bào)道自學(xué)習(xí)式人工智能可協(xié)助預(yù)測心臟病發(fā)作

Science雜志報(bào)道了英國諾丁漢大學(xué)流行病學(xué)家StephenWeng博士團(tuán)隊(duì)發(fā)表在PLOSONE上的重要研究成果，Weng博士團(tuán)隊(duì)將機(jī)器學(xué)習(xí)算法應(yīng)用于電子病歷的常規(guī)數(shù)據(jù)分析，發(fā)現(xiàn)與當(dāng)前的心臟病預(yù)測方法相比，深度學(xué)習(xí)算法不僅可以更準(zhǔn)確地預(yù)測心臟病發(fā)病風(fēng)險(xiǎn)，還可以降低假陽性患者數(shù)量。

在這項(xiàng)新研究中，Weng和其同事對(duì)比了ACC/AHA 指導(dǎo)方針和4個(gè)機(jī)器學(xué)習(xí)算法：隨機(jī)森林（random forest）、logistic 回歸（logistic regression）、梯度提升（gradient boosting）以及神經(jīng)網(wǎng)絡(luò)（neural networks）。為了在沒有人類指示的情況下得出預(yù)測工具，所有這 4 項(xiàng)技術(shù)分析了大量數(shù)據(jù)，被分析的數(shù)據(jù)來自英國378256名患者的電子醫(yī)療記錄，目標(biāo)是在與心血管疾病有關(guān)的記錄之中找出發(fā)病模式。

2.人工智能診斷皮膚癌準(zhǔn)確率達(dá)91%

斯坦福大學(xué)一個(gè)聯(lián)合研究團(tuán)隊(duì)開發(fā)出了一個(gè)皮膚癌診斷準(zhǔn)確率媲美人類醫(yī)生的人工智能，相關(guān)成果刊發(fā)為了1月底《自然》雜志的封面論文，題為《達(dá)到皮膚科醫(yī)生水平的皮膚癌篩查深度神經(jīng)網(wǎng)絡(luò)》（Dermatologist-levelclassification of skin cancer with deep neuralnetworks）。他們通過深度學(xué)習(xí)的方法，用近13萬張痣、皮疹和其他皮膚病變的圖像訓(xùn)練機(jī)器識(shí)別其中的皮膚癌癥狀，在與21位皮膚科醫(yī)生的診斷結(jié)果進(jìn)行對(duì)比后，他們發(fā)現(xiàn)這個(gè)深度神經(jīng)網(wǎng)絡(luò)的診斷準(zhǔn)確率與人類醫(yī)生不相上下，在91%以上。

在測試中，人工智能被要求完成三項(xiàng)診斷任務(wù)：鑒別角化細(xì)胞癌、鑒別黑色素瘤，以及使用皮膚鏡圖像對(duì)黑色素瘤進(jìn)行分類。研究者通過建構(gòu)敏感性（sensitivity）-特異性(specificity)曲線對(duì)算法的表現(xiàn)進(jìn)行衡量。敏感性體現(xiàn)了算法正確識(shí)別惡性病變的能力，特異性體現(xiàn)了算法正確識(shí)別良性病變，即不誤診為癌癥的能力。在所有三項(xiàng)任務(wù)中，該人工智能表現(xiàn)與人類皮膚科醫(yī)生不相上下，敏感性達(dá)到91%。

3.人工智能走進(jìn)ICU：可預(yù)測病人死亡準(zhǔn)確率達(dá)93%

在洛杉磯兒童醫(yī)院，數(shù)據(jù)科學(xué)家Melissa Aczon和David Ledbetter提出了一種人工智能系統(tǒng)，這個(gè)系統(tǒng)可以讓醫(yī)生們更好地了解哪些孩子的病情可能會(huì)惡化。

他們使用了PICU里超過12000名患者的健康記錄，機(jī)器學(xué)習(xí)程序在數(shù)據(jù)中發(fā)現(xiàn)了相關(guān)規(guī)律，成功識(shí)別出了即將死亡的患者。該程序預(yù)測死亡的準(zhǔn)確率達(dá)到了93％，明顯比目前在醫(yī)院PICU中使用的簡單評(píng)級(jí)系統(tǒng)表現(xiàn)更好。Aczon和Ledbetter在Arxiv上發(fā)表了相關(guān)論文，公布了他們的研究成果。

他們實(shí)驗(yàn)的創(chuàng)新點(diǎn)是使用了一種叫做循環(huán)神經(jīng)網(wǎng)絡(luò)（RNN）的機(jī)器學(xué)習(xí)方法，這種方法擅長處理持續(xù)的數(shù)據(jù)序列，而不是從某一個(gè)時(shí)刻的數(shù)據(jù)點(diǎn)直接得出結(jié)論。“RNN網(wǎng)絡(luò)是處理臨床數(shù)據(jù)序列的一種有效方法。”Aczon說，“它能夠整合新產(chǎn)生的信息序列，得到準(zhǔn)確的輸出。”所以在程序中，RNN網(wǎng)絡(luò)表現(xiàn)得更好，因?yàn)樗軌螂S著時(shí)間的推移，根據(jù)病人最近12小時(shí)的臨床數(shù)據(jù)，做出最準(zhǔn)確的預(yù)測。

4.第三軍醫(yī)大利用人工智能30秒內(nèi)鑒定血型，超99.9%準(zhǔn)確率

3月15日，權(quán)威雜志science刊登的一篇關(guān)于中國第三軍醫(yī)大學(xué)羅陽團(tuán)隊(duì)的最新研究成果，這對(duì)于急需輸血搶救的病人意義重大，可以為患者節(jié)省3-15分鐘的時(shí)間，增加他們的生還幾率，同時(shí)也可用于搶險(xiǎn)救災(zāi)、戰(zhàn)場急救等急需驗(yàn)血的情況。

第三軍軍醫(yī)大學(xué)羅陽團(tuán)隊(duì)研發(fā)的技術(shù)，可以在30秒內(nèi)檢測出ABO血型和Rh血型，僅用一滴血在2分鐘內(nèi)完成包括罕見血型在內(nèi)的正向和反向同時(shí)定型（醫(yī)生在輸血前，為了減少錯(cuò)誤，一般要做正反定型和交叉驗(yàn)血試驗(yàn)）。同時(shí)團(tuán)隊(duì)還設(shè)計(jì)出一套智能算法，能夠根據(jù)試紙的顏色變化讀出血型，定型準(zhǔn)確率超過99.9%。

研發(fā)團(tuán)隊(duì)為了減少人為識(shí)別帶來的誤差，開發(fā)了一套機(jī)器學(xué)習(xí)算法自動(dòng)識(shí)別顏色的變化，同時(shí)為了驗(yàn)證算法的準(zhǔn)確性，研究人員先用經(jīng)典凝膠卡片法鑒定3550例血液樣本，再通過優(yōu)化參數(shù)操作，算法模型準(zhǔn)確的測出這3550例血液的血型。

5.谷歌研發(fā)人工智能眼科醫(yī)生：用深度學(xué)習(xí)診斷預(yù)防失明

表于JAMA 的論文《用于檢測視網(wǎng)膜眼底照片中糖尿病性視網(wǎng)膜病變的深度學(xué)習(xí)算法的開發(fā)和驗(yàn)證（Developmentand Validation of a Deep Learning Algorithm for Detectionof DiabeticRetinopathy in Retinal Fundus Photographs）》中，我們提出了一種可以解讀視網(wǎng)膜照片中 DR 發(fā)病跡象的深度學(xué)習(xí)算法，這有望能幫助資源有限地區(qū)的醫(yī)生正確地篩選出更多的病人。

研究人員創(chuàng)建了一個(gè)包含128000 張圖像的開發(fā)數(shù)據(jù)集，其中每一張圖像都得到了54位眼科醫(yī)生中3到7位醫(yī)生的評(píng)估。這個(gè)數(shù)據(jù)集被用來訓(xùn)練了一個(gè)可以檢測可誘發(fā)糖尿病性視網(wǎng)膜病變的病癥的深度神經(jīng)網(wǎng)絡(luò)。然后兩個(gè)互相獨(dú)立的包含大約 12000 張圖像的臨床驗(yàn)證集上測試了該算法的表現(xiàn)，該測試所參考的標(biāo)準(zhǔn)是一個(gè)7或8人的美國認(rèn)證眼科醫(yī)生中大多數(shù)人的意見。為驗(yàn)證集所選擇的眼科醫(yī)生的意見與訓(xùn)練集原來的54位醫(yī)生的意見表現(xiàn)出了高度的一致性。

在這項(xiàng)成人的糖尿病性視網(wǎng)膜眼底照片的評(píng)估中，基于深機(jī)器學(xué)習(xí)的算法對(duì)可疑糖尿病性視網(wǎng)膜病變檢測時(shí)具有高靈敏度和特異性。進(jìn)一步的研究是必要的，這將確認(rèn)此算法應(yīng)用在臨床中的可行性，并確定與目前的眼科評(píng)估相比是否使用該算法可以改善治療和診斷結(jié)果。