中國AI登上Nature子刊:能“讀懂”病歷、會推薦診斷,準確度超人類醫生
大資料文摘授權轉載自紐約時報
編譯:橡樹_hiangsug、蔣寶尚
能“看圖”識別影像,更能“識字”讀懂病例,AI真的學會了這項技能。
2月12日,科研期刊《自然·醫學》(Nature Medicine)線上刊發題為《使用人工智慧評估和準確診斷兒科疾病》的醫療人工智慧成果。
論文連結:
https://www.nature.com/articles/s41591-018-0335-9
根據依圖科技官方介紹,該成果由依圖醫療聯合廣州市婦女兒童醫療中心等機構共同研發,基於機器學習的自然語言處理(NLP)技術實現不輸人類醫生的強大診斷能力,並具備多場景的應用能力。
具體來說,這是一套常見兒童疾病的診斷系統,名為輔診熊。小至流感大至腦膜炎,這套AI系統都可以通過分析患者的症狀、病史、化驗結果及其他臨床資料對患者的病情進行準確地診斷。
意義重大!
因為,對病人來說,最怕的不是得病而是誤診。畢竟,不能對症下藥,就是華佗在世也束手無策。
有資料記載,在全世界,每年都有大量的患者被誤診。
雖然醫生們努力通過系統化診病流程來降低誤診率,但這一方法依舊治標不治本,醫生的主觀偏差仍然會影響診斷結果。
該系統的準確率很高,且該系統未來有望幫助醫生診斷更加複雜罕見的疾病。
大規模資料集加持
總的來說,該系統基於近18萬名連續訪問兒科醫院18個月的中國患者的醫療記錄。
“深度學習”是加速革新醫療保健行業的關鍵技術,資料的數量和質量又是模型建立成敗的關鍵。中國不僅有龐大的人口基數,而且數字資訊的使用規範還沒有那麼嚴苛,這使得中國科技公司和研究人員更容易獲得用於訓練“深度學習”的資料集。
川普在本週一簽署了“美國人工智慧倡議”,以促進人工智慧在美國政府、學術界和工業界的發展。政令明確指出,政府將鼓勵聯邦機構和大學共享推動自動化系統發展的資料。
醫療資料的缺乏一直是美國發展人工智慧的一道門檻。在中國,研究人員在公立醫院相對容易獲取足以訓練人工智慧系統的資料,但同樣的事情在美國卻沒那麼容易。
“美國的醫生則需要到許多不同的地方(獲取資料),” Weill Cornell醫學中心臨床放射學副教授、MD.ai(為AI研究人員提供資料標註服務)的聯合創始人George Shih博士講道,“而且沒有一家醫院的檢測裝置是一樣的,我們還必須保證資料是完全匿名的……就算我們獲得了原始資料,後續的工作量仍然十分龐大。”
技術關鍵—神經網路
深度學習在這幾年得到了飛速發展,重塑了網際網路服務、消費電子產品和無人駕駛汽車,而現在它正大踏步邁進全新的領域——醫療健康。目前,谷歌在內的許多團隊正在開發電子健康記錄系統,以供診斷骨質疏鬆症、糖尿病、高血壓和心力衰竭等疾症。
類似的技術也被應用於自動檢測X光、核磁共振成像和眼部掃描影像呈現出的疾病跡象。
談及這些新興系統的本質,其實要歸功於神經網路。神經網路是一種人工智慧技術,它可通過分析海量資料進行自主學習,輸出決策。換言之,神經網路正大舉助力各行各業,從醫療保健到無人駕駛汽車,甚至是軍事應用領域都有它的一份功績。
通過這項技術,加州大學聖地亞哥分校眼科遺傳學主任張康博士建立了可以分析出血、病變和其他糖尿病失明跡象的眼部掃描系統。理想情況下,這套系統可以為患者建立起第一道防線,而且可以幫助醫生對來訪者進行初步的篩選,檢查出需要特別關注的患者。
張博士和他的同事已經成功將系統升級,現在的系統不止可以識別影像,還可以識別文字資料模式。“未來,醫生們將節省下更多時間完成自己的本職工作。”張博士講道。
人工智慧系統診斷兒科疾病流程
“有時候,醫生在診斷時無法考慮到所有的可能性”他繼續講道,“但這套系統可以提供‘抽查’功能,確保醫生不會錯過任何資訊。”
除診斷系統外,張博士開發了一套實驗系統。實驗系統分析了中國廣州婦女兒童醫療中心近60萬患者的電子病歷,將常見的病情與醫生、護士和其他技術人員收集的患者詳細資訊聯絡在一起。
首先,專家們對患者的就診記錄一一註釋,對識別疾病相關的資訊打上相對應的標籤。系統接下來將分析這些標註好的資料。
然後,將這些標註好患者病症的資料集輸入神經網路。不久後,神經網路將自己建立起書面記錄和觀察症狀間的關係,模型訓練完成。
準確率超人類
在對未標記的資料進行測試時,該軟體的表現可以與經驗豐富的醫生相媲美:醫生在診斷哮喘方面的準確率從80%到94%不等,該軟體的準確率已超過90%。
人工智慧和醫生團隊在兒科疾病診斷水平的比較
在診斷胃腸疾病時,醫生的準確率為82%至90%,而該系統準確率為87%。
在特定的情況下,神經網路可以非常強大,它能夠識別人類永遠無法識別的資料模式。但至於為什麼神經網路做出了這些決定、他們到底是如何自學這類問題,就連專家也無法解釋得清。
因此,為獲得醫生和患者的信任,專家表示張博士的這套系統仍需進行更大範圍的臨床測試。
診斷50餘種兒科常見疾病的準確性均超過85%
“醫學是一個非常嚴謹的研究領域,”佛羅里達大學醫療保健行業的深度學習研究員Ben Shickel說道, “人命關天,沒有人會隨意擺出一個不知道內部構造的黑箱子供醫生或患者使用。”
儘管將深度學習系統大規模部署在急診室和診所還很遙遠,但仍有一些專案有著可喜的進展:谷歌目前正在印度南部的兩家醫院進行眼科掃描系統的臨床試驗。
張博士說,基於深度學習的診斷工具更有可能在美國以外的國家蓬勃發展,尤其是在像中國和印度這樣醫生較為稀缺的國家。
張博士及其同事建立的系統得益於廣州醫院收集的海量資料。相較來看,美國普通醫院規模較小,而且法律法規對於資料的收集和使用十分嚴苛,所以從美國醫院收集來的資料集通常規模非常小。
張博士補充道,他和同事在未來研究中必將保護患者的隱私。但他不得不承認,中國的研究人員在收集和分析這類資料時可能更具優勢。
相關報導:
https://www.nytimes.com/2019/02/11/health/artificial-intelligence-medical-diagnosis.html
來自 “ ITPUB部落格 ” ,連結:http://blog.itpub.net/31562039/viewspace-2633482/,如需轉載,請註明出處,否則將追究法律責任。
相關文章
- 登上Nature&Science,AI「看面相」識別遺傳病準確率達91%AI
- AI診斷心臟病比人類更準?但這只是識圖,不是診斷AI
- 吳恩達新研究:AI看心電圖,診斷心律失常準確率超過人類醫生吳恩達AI
- “幾何構象增強AI演算法”,百度生物計算最新研究成果登上《Nature》子刊AI演算法
- 更勝一籌!早期診斷肺癌,這款AI已超越人類醫生!AI
- “體檢醫生”黑科技|讓AI開發更精準,ModelArts更新模型診斷功能AI模型
- AI新藥登上Nature子刊:46天合成新藥候選分子,比傳統方法快15倍AI
- 吳恩達論文登上Nature Medicine!利用神經網路診斷心率不齊吳恩達神經網路
- 柳葉刀:AI診斷率略高於人類,可輔助醫生提高效率AI
- 英特爾AI醫療實戰曝光:10倍加速輔助診斷、準確度高達90%AI
- 保真度高達~98%,廣工大「AI+光學」研究登Nature子刊,深度學習賦能非正交光復用AI深度學習
- 騰訊 AI 醫學進展破解“禿頭”難題,登 Nature 子刊!AI
- FDA批准首個無需人類醫生指導的AI,可獨立診斷眼科疾病AI
- 足球推薦最準確網站 免費足球分析推薦網站
- CV技術在醫療領域中有哪些應用?Salesforce、谷歌、史丹佛綜述文章登上Nature子刊Salesforce谷歌
- 準確率超90%!AI預測心臟病發作及死亡率遠勝人類AI
- 雲知聲智慧醫療,助力醫生“快看病”“看準病”
- 診斷時間縮短一週,AI如何幫醫生處理33萬張胸片?AI
- 兼具精度與效率,微軟基於AI的新電子結構計算框架登Nature子刊微軟AI框架
- 《柳葉刀》子刊:精準確定腫瘤大小,新型AI識別方式遠勝傳統人工檢測!AI
- ITPUB電子雜誌第十期-Oracle診斷案例專刊Oracle
- Nature解析中國AI現狀,2030年能引領全球嗎?AI
- 谷歌乳腺癌AI檢測新突破,誤診率遠低於人類醫生谷歌AI
- Java語言電子病歷原始碼Java原始碼
- 受AlphaGo啟發,AI重建量子系統新方法登上Nature PhysicsGoAI
- Nature機器學習子刊被諷開歷史倒車,Jeff Dean等數百學者簽名抵制機器學習
- AI時代:推薦引擎正在塑造人類AI
- 《Nature》子刊收錄宣武醫院頭頸CTA血管重建最新成果,AI重塑臨床流程AI
- 【星課堂】JAVA 工程師的線上診斷神器推薦——ArthasJava工程師
- 機器學習診斷準確率高達90%,讓這種疾病無處可逃機器學習
- Nature子刊主編談AI+醫療的顛覆性潛力 | 騰訊AI Lab學術論壇演講AI
- 百度大腦重磅提出自動駕駛模擬系統AADS,論文登上Science子刊自動駕駛
- 選擇正確的 WebSphere 診斷工具Web
- 15℃!人類首次實現高壓下室溫超導,研究登上Nature封面
- 免費網站seo診斷:從哪些維度進行診斷呢?網站
- DeepMind推出首款商業化演算法產品!30秒準確診斷眼疾,準確率達到專家水平演算法
- AI讀雲,更懂深圳AI
- AI前線一週新聞盤點:谷歌提供免費K80 GPU; AI診斷成功率超過皮膚科醫生AI谷歌GPU