梅奧診所發(fā)現(xiàn)“沉默”的心臟病

將人工智能應(yīng)用于心電圖可以幫助識(shí)別無(wú)癥狀的左心室功能障礙，這是心力衰竭的前兆。梅奧診所的一組研究人員在《自然醫(yī)學(xué)》上發(fā)表了一項(xiàng)研究報(bào)告，表明他們可以做到這一點(diǎn)。

該團(tuán)隊(duì)使用梅奧診所的臨床數(shù)據(jù)篩選出625，326對(duì)的EKG和經(jīng)胸超聲回波心電圖，以確定患者。然后他們創(chuàng)建、訓(xùn)練、驗(yàn)證并測(cè)試了一個(gè)神經(jīng)網(wǎng)絡(luò)來(lái)驗(yàn)證他們的假設(shè)，了解與其他常見(jiàn)的篩選測(cè)試相比的準(zhǔn)確性。

有趣的是，研究發(fā)現(xiàn)，在可能具有心室功能不全風(fēng)險(xiǎn)的患者中，人工智能檢測(cè)出陽(yáng)性的患者未來(lái)發(fā)生心室功能不全的風(fēng)險(xiǎn)是陰性患者的四倍。

“換句話說(shuō)，該測(cè)試不僅可以確定無(wú)癥狀疾病，還可以預(yù)測(cè)未來(lái)疾病的風(fēng)險(xiǎn)，這是通過(guò)識(shí)別心肌無(wú)力之前發(fā)生的非常早期、細(xì)微的心電圖變化來(lái)實(shí)現(xiàn)的�！盤aul Friedman醫(yī)學(xué)博士說(shuō)。

HBR：人工智能可能會(huì)減少醫(yī)療保健的繁文縟節(jié)

能夠處理大量數(shù)據(jù)和進(jìn)行實(shí)時(shí)建議的人工智能工具可以大大減輕醫(yī)療系統(tǒng)的管理負(fù)擔(dān)，并節(jié)省啟動(dòng)資金。文章表明，在美國(guó)醫(yī)療體系3萬(wàn)億美元的年度成本中，約有三分之一的成本浪費(fèi)在行政和運(yùn)營(yíng)效率低下方面。人工智能已經(jīng)實(shí)現(xiàn)了更快的病床分配、更簡(jiǎn)單和改進(jìn)的文檔和自動(dòng)欺詐檢測(cè)。例如，人工智能幫助醫(yī)療系統(tǒng)更快地分配床位，將外科病人的恢復(fù)時(shí)間縮短80％，將急診床等待時(shí)間縮短20％，并接受60％以上的轉(zhuǎn)院患者。

為了利用人工智能，醫(yī)療保健組織需要：

簡(jiǎn)化和標(biāo)準(zhǔn)化數(shù)據(jù)和流程，以便人工智能可以使用它們。

確保IT系統(tǒng)之間的互操作性和數(shù)據(jù)共享。

逐步淘汰那些通過(guò)幫助改善成果來(lái)增加業(yè)務(wù)價(jià)值的員工。

消除“黑盒”挑戰(zhàn)？

馬薩諸塞州波士頓總醫(yī)院的研究人員使用不到1000例的成像病例，能夠訓(xùn)練一種人工智能算法來(lái)檢測(cè)顱內(nèi)出血（ICH），并在未增強(qiáng)頭部CT掃描上對(duì)其五個(gè)子類型進(jìn)行分類。深度學(xué)習(xí)算法的設(shè)計(jì)是為了揭示其決策背后的推理，通常被稱為人工智能的“黑盒”問(wèn)題，通過(guò)一個(gè)“注意力地圖”，突出顯示用于進(jìn)行預(yù)測(cè)的圖像上的重要區(qū)域。它還消除了放射科醫(yī)師對(duì)用于訓(xùn)練大多數(shù)深度學(xué)習(xí)模型的大型高質(zhì)量數(shù)據(jù)集進(jìn)行注釋的需要。

研究小組發(fā)現(xiàn)，該模型的準(zhǔn)確性與訓(xùn)練有素的放射科醫(yī)師相當(dāng)，但其靈敏度相當(dāng)高。

這就是它真正重要的原因：腦出血是一種潛在的致命疾病，采用自動(dòng)敏感模型能夠可靠地檢測(cè)到它，可以加快患者的治療。它還可以幫助具有不同專業(yè)水平的神經(jīng)放射科醫(yī)生更快地確定腦部掃描是否存在出血的情況，避免顱內(nèi)出血（ICH）的遲發(fā)或漏診。

人工智能工具比皮膚科醫(yī)生更好地檢測(cè)皮膚癌

根據(jù)最近一項(xiàng)對(duì)腫瘤學(xué)年鑒的研究，無(wú)論醫(yī)生的經(jīng)驗(yàn)水平如何，基于人工智能的網(wǎng)絡(luò)在分析癌癥皮膚病變圖像方面都優(yōu)于皮膚科醫(yī)生。然而，皮膚科醫(yī)生在為他們的診斷添加真實(shí)的臨床信息后表現(xiàn)更好，但仍然優(yōu)于神經(jīng)網(wǎng)絡(luò)。

“我們的數(shù)據(jù)清楚地表明，卷積神經(jīng)網(wǎng)絡(luò)（CNN）算法可能是一種合適的工具，可以幫助醫(yī)生進(jìn)行黑素瘤檢測(cè)，無(wú)論他們的個(gè)人經(jīng)驗(yàn)水平和培訓(xùn)水平如何�！钡聡�(guó)海德堡大學(xué)皮膚病學(xué)系的教授Holger A． Haenssle博士表示。

瀕于危險(xiǎn)：DL預(yù)測(cè)乳腺腫瘤對(duì)化療的反應(yīng)

為精確治療做好準(zhǔn)備。例如：根據(jù)發(fā)表在《數(shù)字成像》雜志上的最新研究結(jié)果，研究人員已經(jīng)預(yù)測(cè)乳腺腫瘤對(duì)新輔助化療（NAC）的反應(yīng)準(zhǔn)確率為88％。其提供的好處是雙重的：提供了更好的方法來(lái)早期評(píng)估治療反應(yīng)，并顯著改進(jìn)了當(dāng)前的預(yù)測(cè)方法，即一旦開(kāi)始治療，就依賴于間隔成像。

使用乳房MRI腫瘤數(shù)據(jù)集，紐約哥倫比亞大學(xué)歐文醫(yī)學(xué)中心的研究人員采用深度學(xué)習(xí)卷積神經(jīng)網(wǎng)絡(luò)（CNN）方法來(lái)訓(xùn)練和預(yù)測(cè)化療開(kāi)始前對(duì)化療的反應(yīng)。