最近的一项研究表明，人工智能(AI)在预测死亡或心脏病方面已经超越了人类。人类的思维维度是有限的，高维模式比单维模式更有助于预测个体结果。在医疗诊断领域，人工智能正在大显身手。通过反复学习和不断调整，人工智能可以利用大量数据来识别可能不明显的潜在疾病。
齐鲁晚报·齐鲁一点记者任志芳
查看心脏测试结果
预测一年内死亡风险
据英国《新科学家》杂志网站11月11日报道，美国科学家的一项新研究声称，人工智能可以通过查看某人的心脏检查结果来预测他在一年内的死亡风险，即使医生认为它们很正常，但AI如何拥有这种“特殊功能”仍然是个谜。
在这项研究中，医疗保健提供商Geisinger的BrandonFernwalter及其同事要求AI检查约40万人的177万份心电图(ECG)，以预测谁在明年有死亡风险。更高。
为此，该团队训练了两个版本的AI:一个人工智能仅“输入”原始心电图数据，该数据随时间测量电压；另一个人工智能被“喂食”心电图以及患者的年龄。和性别数据。
研究人员使用一种名为“AUC”的指标来测量这两种人工智能的性能，该指标描述了模型性能的各个方面，并将可能死亡的患者与一年内存活的患者区分开来。结果显示，AI的得分始终在0.85以上，而医生目前使用的风险评分模型的AUC得分范围为0.65，芬瓦尔特说道。—0.8。
为了进行比较，研究人员还根据医生测量的心电图特征创建了一种算法，但Fernwalter表示：“无论如何，基于电压的模型比根据我们从心电图测量中获得的数据创建的模型表现更好。””
更重要的是，即使是心脏病专家认为心电图正常的人，人工智能也能够准确预测死亡风险。三名心脏病专家单独检查了看似正常的心电图，但无法识别人工智能检测到的风险模式。
福恩沃尔特说：“这一发现表明，该模型可能看到了人类看不到的东西，或者至少看到了医生忽视并认为正常的东西。”“因此，人工智能有潜力帮助我们澄清几十年来一直被误解的事情。”研究人员将于11月16日在达拉斯举行的美国心脏协会科学会议上宣布这项研究。
此外，2018年6月，谷歌的一份研究报告称，该公司开发了一种新的人工智能算法，可以预测一个人的死亡时间，准确率高达95%。据报道，AI技术针对患者面临的一系列临床问题进行了测试。在这项研究中，谷歌将这项AI技术应用于来自两个医疗中心的至少216,000名成年患者，持续至少24小时。研究人员从电子健康记录中获取了大量数据。
研究证实，该算法可以准确预测患者死亡、再入院、住院时间延长和出院诊断的风险。在所有情况下，该算法都被证明比以前发布的算法更准确。根据加州大学旧金山分校卫生系统的数据，AI算法预测患者死亡率的准确率达到95%。
患者只需回答多项选择题
AI可以生成电子病历
每天，医学实验室或诊所等机构都会对数百万个单细胞进行分析以进行诊断。大部分重复性工作仍然由训练有素的细胞学家手动完成，他们检查染色涂片中的细胞并将它们分为大约15个不同的类别。为了顺利完成上述工作，需要训练有素、具有专业知识的细胞学家。
为了提高细胞分类和检测的效率，来自慕尼黑亥姆霍兹环境与健康中心和慕尼黑大学医院的研究人员团队用近2万张单细胞图像“训练”了一个深度神经元网络。
在这项研究中，研究人员分析了从100名侵袭性血液病患者和100名对照志愿者的血涂片中提取的相关图像。通过将人工智能驱动的检测方法的检测精度与人类专家的检测精度进行比较，评估人工智能驱动的检测方法的有效性。结果表明，人工智能驱动的解决方案能够取得与训练有素的细胞学家一样好的结果。
不仅如此，AI辅助诊断已经以更加人性化的方式应用于临床。位于日本东京江户川区的Memesawa医院于今年4月开始使用AI会诊系统接收患者。这是一个类似于掌上电脑的系统。患者只需要在上面回答多项选择题，AI系统就能根据患者的选择自动生成电子病历。
这个AI系统主要针对慢性头痛患者，会询问“疼痛的位置”、“感觉”、“头痛何时发生”等问题。其中，“疼痛部位”分为“整个头部”、“一侧”等；“感觉”分为“刺痛感”、“困倦感”等；“头痛的时间”分为“喝酒时”“剧烈运动后”等。
该医院院长HajimeMesawa表示：“该系统保存了约5万份内科疾病论文。根据患者的选择，AI系统使用专业的医学术语自动生成电子病历。这可以节省咨询过程的时间。将时间输入计算机。以前一次咨询需要10多分钟，现在只需4分钟。该系统也受到了患者的好评，因为它大大减少了等待时间。
据了解，该系统由东京一家创新公司于2017年开发，目前已被日本70多家医疗单位引进使用。
你可以通过看他们的脸来识别他们
难以诊断的遗传病
医生诊断疾病的基本功是“看、摸、摸、听”，靠“面”看病会被认为是不靠谱的玄学操作。不过，现在深度学习算法已经破解了玄学，AI真正可以通过“看脸”来识别疾病。
相关内容发表在今年年初的期刊《自然医学》上，标题大致是“利用深度学习识别遗传缺陷的面部表型”。这种“基于面部”的医疗诊断系统被称为DeepGestalt，专门用于从面部识别遗传疾病，以帮助临床医生进行诊断。
其治病“原理”是基于“某些人的面部特征会带出明显的遗传特征”。因此，该AI主要用于诊断遗传病，尤其是没有明显典型症状、难以识别和诊断的遗传病。
例如，患有德朗格综合征的儿童通常表现为生长迟缓、智力低下、面部特征和上肢缺陷。但有时患者的表现并不典型，需要通过面部特征与其他疾病相鉴别。这就是“人脸识别”辅助诊断AI发挥作用的时候。
目前，DeepGestalt经过训练，可以识别200多种面部综合症，准确率约为91%。
据报道，一些医生使用与该AI连接的APP对自己无法诊断的患者拍照并上传照片，让DeepGestalt给出参考意见——条。后者正确的概率非常高。
DeepGestalt除了可以作为这样的诊断参考之外，还可以提供线索和思路。——如果医生看完病人没有头绪，可以直接拍照上传，AI会提供一些替代指示。就像使用搜索引擎一样简单。
那么，DeepGestalt是如何治疗患者的呢？
深度学习算法之所以成为新世纪迄今为止最重大的人工智能革命，主要原因在于它与以往的人工智能不同，它的学习是机械性的。深度学习是目前最伟大的仿生学实践。它模仿人类中枢神经系统的运作。可以说是“像人脑一样学习”。
在此基础上，训练DeepGestalt识别遗传病，原理上与训练人类遗传病专家通过面部特征识别相应疾病类似，但效率相对更高。
近年来，围绕应用人工智能的潜在好处和风险一直存在激烈争论。但在医疗保健领域，越来越多的人认为利用人工智能是帮助更好地确定患者病情和治疗方案的好方法。
相关资讯：
广州四人患严重恙虫病三人死亡事件(广州四人患严重恙虫病三人死亡案例)