手机网站
手机网站
大数据摘要授权转载自《纽约时报》
编译:Oak _hiangsug，蒋宝山
能“看图”识别图像，能“读”读案例，人工智能真的学会了这一技能
2年12月12日，科学研究杂志《自然医学》在网上发表了医学人工智能的成果，题为“利用人工智能评估和准确诊断儿科疾病”
论文链接:
根据易图科技的官方介绍，这项成果是由易图医学和广州市妇幼保健院等机构共同开发的。基于机器学习的自然语言处理技术实现了人类医生强大的诊断能力，并具有多场景的应用能力。
具体来说，这是一个常见儿童疾病的诊断系统，称为辅助诊断熊。从流行性感冒到脑膜炎，该人工智能系统可以通过分析患者的症状、病史、测试结果和其他临床数据来准确诊断患者的病情
意义重大！
因为，对病人来说，最害怕的不是疾病而是误诊毕竟，在这个世界上，没有正确的补救措施，华佗是无能为力的。< br>
有数据记录。在世界范围内，每年都有大量的病人被误诊。
虽然医生试图通过系统化诊断过程来降低误诊率，但这种方法仍然治标不治本，医生的主观偏差仍然会影响诊断结果
该系统具有较高的准确性，有望在未来帮助医生诊断更复杂、更罕见的疾病。
大规模数据集祝福
总体而言，该系统基于近180，000名连续18个月到儿科医院就诊的中国患者的病历
“深度学习”是加速医疗保健行业创新的关键技术，数据的数量和质量是模型建立成败的关键。中国不仅人口基数大，而且对数字信息的使用也不那么严格，这使得中国科技公司和研究人员更容易获得数据集进行“深度学习”培训
特朗普周一签署了“美国人工智能倡议”，以促进美国政府、学术界和工业界人工智能的发展。该法令明确指出，政府将鼓励联邦机构和大学共享数据，以促进自动化系统的发展。缺少
医学数据一直是美国人工智能发展的门槛。在中国，研究人员相对容易获得足够的数据，在公立医院培训人工智能系统，但在美国，同样的事情并不容易。
“美国的医生需要去许多不同的地方(获取数据)，”威尔康奈尔医学中心临床放射学副教授、医学博士人工智能(为人工智能研究人员提供数据标签服务)的联合创始人乔治·施博士说，“没有一家医院有相同的检测设备。我们还必须确保数据完全匿名...即使我们获得了原始数据，后续的工作量仍然非常大。”“
技术关键——神经网络
深入学习近年来发展迅速，重塑了互联网服务、消费电子和无人驾驶汽车。现在它正步入一个全新的领域——医疗卫生目前，包括谷歌在内的许多团队正在开发电子健康记录系统，用于诊断骨质疏松症、糖尿病、高血压和心力衰竭
类似的技术也被应用于自动检测x光、核磁共振成像和眼睛扫描图像中的疾病迹象。当
谈到这些新兴系统的本质时，实际上是由于神经网络。神经网络是一种人工智能技术，它可以通过分析大量数据来自主学习和输出决策。换句话说，神经网络正在极大地帮助各行各业，从医疗保健到无人驾驶汽车，甚至军事应用也有其优点。
通过这项技术，加州大学圣地亚哥分校眼科遗传学主任张康博士建立了一个眼睛扫描系统，可以分析出血、病变和其他糖尿病性失明的迹象理想情况下，该系统可以为患者建立第一道防线，帮助医生对来访者进行初步筛查，并检查需要特别关注的患者。
张博士和他的同事已经成功地升级了系统。当前的系统不仅可以识别图像，还可以识别文本数据模式。“将来，医生会节省更多的时间来完成自己的工作”张博士说道
人工智能系统儿科疾病诊断流程
“有时，医生在诊断时不能考虑所有的可能性，”他继续说道，“但这个系统可以提供“抽查”功能，以确保医生不会遗漏任何信息“
除了诊断系统，张博士还开发了一个实验系统该实验系统分析了中国广州妇幼保健院近60万名患者的电子病历，并将常见疾病与医生、护士和其他技术人员收集的详细患者信息联系起来。
首先，专家逐个注释患者的病历，并相应地标注与疾病识别相关的信息然后系统将分析这些标记的数据
然后，这些患者症状的标记数据集被输入到神经网络中不久之后，神经网络将建立书面记录并观察症状之间的关系，模型训练就完成了
的准确度超过人类
。当测试未标记的数据时，软件的性能可以与有经验的医生相比:医生诊断哮喘的准确率在80%到94%之间，软件的准确率已经超过90%
人工智能与儿科医生团队
诊断胃肠疾病的诊断水平对比，医生的准确率为82%-90%，而系统的准确率为87%
在某些情况下，神经网络可能非常强大，它可以识别人类永远无法识别的数据模式。然而，即使是专家也无法解释为什么神经网络会做出这些决定，以及它们是如何自学的。
因此，为了获得医生和患者的信任，专家表示，张博士的系统还需要更广泛的临床试验。
对50多种常见儿科疾病的诊断准确率超过85%
“医学是一个非常严谨的研究领域，”佛罗里达大学医疗保健行业的深度研究研究员本·施克尔说。“生命是生命的问题，没有人会随便摆出一个没有内部结构的黑盒子给医生或病人使用。“
虽然在急诊室和诊所大规模部署深度学习系统还很遥远，但仍有一些项目取得了可喜的进展:谷歌目前正在印度南部的两家医院进行眼科扫描系统的临床试验。
张博士说，基于深度学习的诊断工具更有可能在美国以外的国家蓬勃发展，尤其是在医生相对稀缺的中国和印度等国家。该系统由
张医生和他的同事建立，受益于广州医院收集的大量数据。相比之下，美国综合医院的规模相对较小，法律法规对数据的收集和使用非常严格，因此从美国医院收集的数据集通常规模很小
张博士补充说，在未来的研究中，他和他的同事肯定会保护病人的隐私。然而，他不得不承认，中国研究人员在收集和分析这些数据方面可能有更多优势。
相关报道:
志愿者介绍
后台回复“志愿者”加入我们
