产品展示

您所在位置:首页 > 产品展示 > 正文

人工智能再次战胜人类,人工智能强势闯入医疗界

文章作者:www.cs-vaccine.com发布时间:2019-11-14浏览次数:1702

人工智能技术在物流,医疗,金融和工业物联网等许多领域具有实际应用。对于涉及每个人健康的医疗领域,无论医生是否接受它,人工智能(已被迫进入医学界。

最近的两条消息再一次将人工智能推向了高潮:

1.在两会的两届会议上,人工智能首次出现在政府工作报告中,与人工智能有关的科技界非常兴奋。

2.世界癌症日2月4日,小发猫Watson博士首次在中国“诊断出”并在短短10秒钟内开出了癌症处方。

在这个时代,学习和思考不再是人类的特权。人工智能可能具有人类已有的功能,例如小发猫Watson。

小发猫Watson可以在17秒内阅读3,469份医学专着,248,000篇论文,69份治疗计划,子测试数据和106,000份临床报告。通过大量的医学知识,包括300多种医学期刊,200多本教科书和近1000万页的文本,小发猫Watson可以在很短的时间内迅速成为一名肿瘤学家和脑科学家。在印度,沃森医生为一位已经无法治愈的晚期癌症患者找到了诊断;在日本,沃森医生仅在10分钟内诊断出罕见的白血病,

2月4日,世界癌症日,小发猫Watson博士首次在中国“诊断出”,并在短短10秒钟内开出癌症处方。舆论热潮再一次将人工智能+医疗保健推向了高潮。

无论医生是否接受,人工智能(AI)都已进入医学界。让我们回顾一下人工智能击败人类的事件。

1.Science报告说,自学人工智能有助于预测心脏病发作

“科学”杂志报道了英国诺丁汉大学流行病学家Stephen Weng博士在PLOS ONE上发表的重要研究成果。翁博士将机器学习算法应用于电子病历的常规数据分析,发现它符合当前预测心脏病的方法。相比之下,深度学习算法不仅可以更准确地预测心脏病的风险,还可以减少假阳性患者的数量。

在这项新研究中,翁和他的同事比较了ACC/AHA指南和四种机器学习算法:随机森林,逻辑回归,梯度增强和神经网络。网络)。为了在没有人工指导的情况下推导出预测工具,所有这四种技术都从英国患者的电子病历中分析了大量数据,目的是找出与心血管疾病相关的记录。发病模式。

2.人工智能诊断皮肤癌的准确率为91%

斯坦福大学的一个联合研究小组开发了一种人工智能,用于诊断与人类医生相当的皮肤癌。结果发表于1月底《自然》杂志封面论文题为《达到皮肤科医生水平的皮肤癌筛查深度神经网络》(皮肤病学水平的皮肤癌分类与深度神经网络)。他们采用深度学习方法,通过近130,000张痰,皮疹和其他皮肤病变图像来识别皮肤癌症状。通过与21名皮肤科医生的诊断比较,他们发现了这种深层神经网络。诊断准确性与人类医生相当,高于91%。

在测试中,人工智能被要求完成三项诊断任务:识别角质形成细胞癌,识别黑素瘤,并使用皮肤镜图像分类黑素瘤。研究人员通过构建灵敏度 - 特异性曲线来测量算法的性能。灵敏度反映了算法正确识别恶性病变的能力,并且特别反映了算法正确识别良性病变的能力,即未被误诊为癌症。在所有这三项任务中,人工智能的表现与人类皮肤科医生的表现相当,敏感度为91%。

3.人工智能进入ICU:可预测的患者死亡准确率为93%

在洛杉矶儿童医院,数据科学家Melissa Aczon和David Ledbetter提出了一种人工智能系统,可以让医生更好地了解哪些孩子的病情可能会恶化。

他们使用了PICU中多个患者的健康记录,机器学习计划在数据中找到了相关规则,并成功识别了即将死亡的患者。该计划预测死亡准确率为93%,明显优于医院PICU目前使用的简单评级系统。 Aczon和Ledbetter发表了关于Arxiv的论文并发表了他们的发现。

他们的实验的创新是使用称为回归神经网络(RNN)的机器学习方法,该方法擅长处理连续数据序列,而不是在某个时刻直接从数据点得出结论。 “RNN网络是处理临床数据序列的有效方法,”Aczon说。 “它集成了新生成的信息序列,以获得准确的输出。”因此,在该计划中,RNN网络表现更好,因为它可以随着时间的推移,根据患者过去12小时的临床数据做出最准确的预测。

4.第三军医大学使用人工智能在30秒内识别血型,准确率超过99.9%

3月15日,权威杂志发表了一篇关于中国第三军医大学洛阳队的新研究。这对于急需输血的患者具有重要意义。它可以为患者节省3-15分钟,并提高他们的生存率。赔率也可用于紧急血液测试,如救援和救灾,战场急救等。

第三军医大学洛阳队开发的技术可以在30秒内检测出ABO血型和Rh血型,用一滴血在2分钟内完成包括稀有血型在内的正负同时型(医生进入)输血)之前,为了减少错误,通常需要做正面和负面的刻板印象和交叉验血。同时,该团队还设计了一套智能算法,可根据试纸的颜色变化读取血型,设置精度达99.9%以上。

为了减少由人类识别引起的错误,研发团队开发了一种机器学习算法,以自动识别颜色变化。同时,为了验证算法的准确性,研究人员首先使用经典的凝胶卡法鉴定了3550份血样,然后进行了优化。参数化操作,算法模型准确测量了3550份血样的血型。

5.谷歌开发人工智能眼科医生:使用深度学习来预防失明

在JAMA的论文《用于检测视网膜眼底照片中糖尿病性视网膜病变的深度学习算法的开发和验证(Development and Validation of a Deep Learning Algorithm for Detection of Diabetic Retinopathy in Retinal Fundus Photographs)》中,我们提出了一种深度学习算法,可以解释视网膜照片中DR的迹象,这有望帮助资源有限区域的医生正确筛选更多患者。

研究人员创建了一个包含图像的开发数据集,每个图像由来自54位眼科医生的三到七名医生进行评估。该数据集用于训练深度神经网络,该网络可以检测可诱发糖尿病性视网膜病变的病症。然后在包含大约一个图像的两个独立的临床验证组上测试该算法的性能,该测试所参考的标准是大多数7或8个认证的美国眼科医师的意见。选择用于验证集的眼科医生的意见显示出与培训组中原始54名医生的意见高度一致。

在该成人糖尿病视网膜眼底照片评估中,基于深度机器学习的算法对于疑似糖尿病性视网膜病变的检测具有高灵敏度和特异性。进一步的研究是必要的,这将证实在临床中应用该算法的可行性,并确定与目前的眼科评估相比,该算法的使用是否可以改善治疗和诊断结果。

一般来说,“人工智能+医疗”不是噱头,而是未来。一个令人兴奋的人工智能时代即将到来!