訂閱
糾錯(cuò)
加入自媒體

人工智能和機(jī)器學(xué)習(xí)在醫(yī)療領(lǐng)域中的應(yīng)用

梅奧診所發(fā)現(xiàn)“沉默”的心臟病

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)。

<上一頁(yè)  1  2  
聲明: 本文系OFweek根據(jù)授權(quán)轉(zhuǎn)載自其它媒體或授權(quán)刊載,目的在于信息傳遞,并不代表本站贊同其觀點(diǎn)和對(duì)其真實(shí)性負(fù)責(zé),如有新聞稿件和圖片作品的內(nèi)容、版權(quán)以及其它問(wèn)題的,請(qǐng)聯(lián)系我們。

發(fā)表評(píng)論

0條評(píng)論,0人參與

請(qǐng)輸入評(píng)論內(nèi)容...

請(qǐng)輸入評(píng)論/評(píng)論長(zhǎng)度6~500個(gè)字

您提交的評(píng)論過(guò)于頻繁,請(qǐng)輸入驗(yàn)證碼繼續(xù)

  • 看不清,點(diǎn)擊換一張  刷新

暫無(wú)評(píng)論

暫無(wú)評(píng)論

    掃碼關(guān)注公眾號(hào)
    OFweek人工智能網(wǎng)
    獲取更多精彩內(nèi)容
    文章糾錯(cuò)
    x
    *文字標(biāo)題:
    *糾錯(cuò)內(nèi)容:
    聯(lián)系郵箱:
    *驗(yàn) 證 碼:

    粵公網(wǎng)安備 44030502002758號(hào)