盤點｜醫療領域頂級智能算法
來源： 思宇MedTech 2023年06月06日 16:25

隨著人工智能 (AI) 在醫療保健各個領域的大肆侵入，對于AI的關注已經是迫在眉睫。本文盤點了目前應用于醫療保健領域的各個AI工具，希望能夠幫助醫療領域的從業者完成更好的診斷、更復雜的病人護理和更準確的疾病預判。

過去幾年，人工智能及其在醫療保健領域的應用潛力已經被廣泛討論。討論不僅局限于智能算法本身，而且還擴展到圍繞人工智能的諸多新聞炒作。
每當一項關于深度學習或機器學習在診斷學、醫學成像或其他任何醫學領域的新研究發表時，新聞閱讀者大多會肯定地說，標題一定是諸如“人工智能在某某領域再次擊敗了醫生”之類的噱頭。相關炒作是如此扭曲和極端，以至于對于人工智能的評價往往是兩極化。
通過列舉迄今為止在醫療領域發現和應用的頂級人工智能工具，我們希望本文可以為醫療專業人士有效補充更多實用的信息。
在盤點之前，我們需要對人工智能的局限性進行逐一分析。
首先，人工智能這個詞本身就已經有了誤導性，因為智能這個詞往往意味著其目前所處的是一個非常發達的技術階段。然而，現實中，我們目前應用的人工智能遠遠沒有達到幻想中的技術層次。
人工智能可以分為三個階段：人工狹義智能（ANI），人工通用智能（AGI）和超級智能。我們目前的科學（特指大型語言模型和各種機器學習方法），充其量能夠在一些領域達到人工狹義智能（ANI），即人類創造的第一級智能，少量可以達到第二級智能，即當機器能夠從有限的經驗中抽象出概念并在各領域之間轉移知識的人工通用智能（AGI）階段。
然而，第三個也是最可怕的階段——超級智能，即人工智能演變成一個獨立的意識進行思考的階段，我們目前的科學還遠遠沒有達到。其次，無數的算法被訓練來對醫療圖像中的各種模式進行分類，從而幫助醫生診斷病情。然而，這種算法應用的局限性至少存在于三個方面。
其一，算法所使用的醫學數據往往來源于高度發達的地區，也就是說，包含著一定特異性或概念化的算法框架本身就是不客觀的，其內部不可避免地夾雜著工作團隊的主觀假設；
其二，智能算法的預測能力是以過去的案例為基礎的。然而事實上，這些案例經驗在新的藥物副作用或治療抗性實驗預測中很可能是無用的；
其三，大多數正在進行的人工智能研究都是在從各種醫療機構收集的訓練數據集上完成的。然而，如果利用算法分析醫學圖像，醫生往往會得到相同的數據集，卻很難再現臨床實際情況；
人工智能的局限性往往與其理論價值無關，卻會大大影響其實際執行效果?，F實中，生活和生命并不只是簡簡單單的訓練數據集。成千上萬的病人帶著成千上萬的病癥來往于醫院之間，看起來類似的病情常常會表現出完全不同的病癥。
因此，在訓練數據集的基礎上進行的人工智能研究的結果，很可能無法代表現實生活中的病癥情況，這是我們必須要明晰的。

以下是我們對醫療領域發現和應用的頂級人工智能算法的盤點。
01
腫瘤DNA檢測算法
癌癥治療非常困難的一個原因是，惡性腫瘤往往會變異、生長和進化，難以控制。
近年來，科學家們發現，不僅腫瘤本身會發生變化，其DNA也會轉變。隨著測序成本的大幅下降，腫瘤的基因分析成為可能，最近，專家在AI算法的支持下開始分析數據，想要弄清腫瘤內部到底發生了什么樣的基因突變。
為了使這些現有的工具更加精確，美國巴爾的摩市的個人基因診斷公司開發了一種新方法，利用機器學習使腫瘤DNA診斷過程自動化，并提高識別癌癥組織中突變的準確性。通過這種方法，醫生就可以為患者選擇特定的靶向治療。

02

心臟圖像&AI預測心臟病

超聲心動圖通過聲波描繪心臟的圖像，心臟病專家可以通過該圖像確定患者是否患有心臟病。這是一項標準測試，用于檢查患者的中央器官的瓣膜或腔室是否有問題，是否有先天性心臟缺陷，或者氣短或胸痛是否與心臟有關。

加州塞達斯西奈山心臟研究所和人工智能醫學部門的研究人員在這一領域有突出成就。該研究所報告說，在評估和診斷心臟功能方面，人工智能（AI）被證明比超聲心動圖醫生的表現更出色。在這項首次、隨機的盲試中，心臟病專家評估了3,495份經胸超聲心動圖研究，并比較了人工智能或超聲心動圖醫生的初始評估。其中一個主要發現是，心臟病專家更認可人工智能的評估結果。例如，專家們只糾正了16.8%的人工智能的初步評估，卻糾正了27.2%的超聲心動圖醫生的人工評估。

當然，這并不是AI在心臟病學中的首個應用。早些時候，加州大學舊金山分校的助理教授和執業心臟病專家Rima Arnaut和她的同事就已經使用深度學習來訓練一個AI系統，該系統可以根據顯示的視圖類型對超聲心動圖進行分類。當人工智能和心臟病專家被同時要求對圖像進行分類時，算法的準確率達到了92%，而人類的正確率卻只有79%。

此外，AI算法不僅在圖像分類方面勝過醫生，而且在根據各種因素預測結果方面也表現優越。英國諾丁漢大學的研究人員創建了一個系統，通過掃描和分析病人的常規醫療數據，來預測他們中哪些人會在10年內發作心臟病發作或中風。與基于公認的風險因素（如高血壓、膽固醇、年齡、吸煙和糖尿?。┑臉藴暑A測方法相比，該人工智能系統準確地預測了355名患者的命運。


03

用AI進行更精確的皮膚癌診斷

根據世界衛生組織的統計數據，目前，全球每年約新增150萬非黑色素瘤皮膚癌和32.5萬黑色素瘤皮膚癌患者。數字健康技術，如SkinVision等智能手機應用程序、遠程醫療服務以及人工智能，正被應用于對抗這種廣泛流行的疾病的前線。

盡管幾個研究小組已經開發了診斷皮膚癌的智能算法，但斯坦福大學創建的算法可能是迄今為止最強大的系統。該算法在超過128萬張圖像上進行了訓練，并通過一組來自2000多種疾病的近13萬張皮膚病變掃描圖進行了微調。這是迄今為止用于皮膚癌自動分類的最廣泛的數據集。


04

用AI檢測乳腺癌

乳腺癌是婦女最常發生的癌癥，也是總體上第二常見的癌癥。就像許多其他類型的癌癥一樣，早期發現可能是乳腺癌患者的救命稻草。
加州大學舊金山分校的研究人員發現，用于自動分類乳房密度從而檢測乳腺癌的商業軟件與人類放射科醫生一樣準確。短時間內，當乳腺密度無法明確診斷時，該算法可以為醫生提供支持。
此外，算法不僅可以協助放射科醫生，也可以協助病理科醫生與乳腺癌作斗爭。國際生物醫學成像研討會（ISBI）日前舉行了一項重大挑戰，評估用于自動檢測轉移性乳腺癌的計算系統。研究表明，結合人類病理學家的努力和深度學習系統的預測，在識別轉移性乳腺癌時，人類的錯誤率下降了85%。這是一個令人印象深刻的結果，尤其是考慮到在涉及到這種致命疾病時，早期診斷意味著拯救生命。


05

預測自殺風險的智能算法

在未來，你可能會因為手臂骨折而去醫院，然后帶著石膏和一張因標明有自殺風險而必須接受精神病治療的紙條離開醫院。這就是一些科學家的目標，他們開發的人工智能系統旨在早期捕捉抑郁癥行為，并幫助減少嚴重精神疾病的出現。

位于納什維爾的范德比爾特大學醫學中心創建的機器學習算法，使用入院數據，包括年齡、性別、郵政編碼、藥物治療和診斷歷史等，來預測任何特定個人自殺的可能性。

在使用從5000多名因自殘或自殺企圖而入院的病人身上收集的數據進行的試驗中，該算法在預測某人是否會在接下來的一周內嘗試自殺方面的準確率為84%，在預測某人是否會在接下來的兩年內嘗試自殺方面的準確率為80%。


06

AI預測住院病人的死亡風險

斯坦福大學的研究人員訓練了一個人工智能系統，以增加在需要時準確接受生命晚期護理的住院病人的數量——這意味著這個智能算法能夠預測非常嚴重的病人何時接近生命的終點。

該算法經過訓練，以分析病人去世前3至12個月期間電子健康記錄中的診斷、處方、人口統計和其他因素。一旦經過訓練，該算法就能在醫院的系統中標出仍然活著的病人，這些病人可能是姑息治療的合適人選。

當斯坦福醫院的姑息治療團隊評估了50名被算法標記為非常高風險的隨機選擇的病人時，該團隊發現所有這些人都適合被轉診。除了能夠準確預測，該程序還將決策權完全交給了醫生。這可能是算法和醫生作為一個團隊一起工作的未來模式。

07?

MedPaLM，醫學大型語言模型

大型語言模型無疑永遠地改變了這一領域，它們能夠提供高質量的協助，這是先前從未有過的。在ChatGPT發布后短短幾周，谷歌/DeepMind宣布發布MedPaLM，這是一個專門用于回答醫療保健相關問題的大型語言模型，是一個基于540億參數的PaLM模型。

這個模型是在六個現有的醫療問答數據集（NedQA、MedMCQA、PubMedQA、LiveQA、MedicationQA和MMLU）的基礎上上訓練的，開發者團隊還創建了他們自己的HealthSearchQA，使用有關醫療狀況和相關癥狀的問題。目前MedPaLM還不能被公眾測試。

最近，最新的迭代也被推出，谷歌向部分用戶提供了訪問權限，但我們還沒有看到任何與2.0版本有關的研究。

08

用于敗血癥觀察的AI算法

杜克大學的研究人員開發了一種敗血癥觀察深度學習算法，幫助評估病人患敗血癥的風險。在出現高風險病人時，它會自動提醒醫院的快速反應小組，并指導他們完成頭3小時的護理管理。這對于預防并發癥至關重要。
該大學多年來一直在研究這種算法，并于2018年在臨床工作中實施該模式。據共同領導該項目的杜克大學醫生和臨床數據科學家Mark Sendak表示，杜克大學正在進行最終分析，且在臨床試驗中，使用算法后的病人死亡率似乎有所下降。
此外，據《華爾街日報》報道，連鎖醫院HCA Healthcare也開發了一種名為敗血癥預測和優化治療的預測算法。它持續監測病人數據，以識別潛在的即將發生的敗血癥病例。該算法能夠比臨床醫生提前六小時發現敗血癥，而且更準確，使醫療系統將160家醫院的敗血癥死亡率降低了近30%。

由于人工智能（AI）將徹底改變醫療實踐，對醫學生、年輕醫生和執業醫生來說，為變化的環境做好充分準備至關重要。換言之，人工智能的快速發展帶來了一個重大的范式轉變。

人工智能不會取代醫生，但使用人工智能的醫生會取代那些沒有跟上這場革命的醫生。擁抱人工智能技術并將其融入醫療實踐，不僅會使患者受益，也會提升那些為這個醫學新時代做好準備的人的職業生涯。

除了以上盤點的AI應用外，還有很多智能算法在醫療領域的優秀案例，未來還會有很多。但最后一個例子顯示了數字醫療的本質：最好的結果是——人工智能和人類醫生共同合作。

本文著作權屬原創者所有，不代表本站立場。我們轉載此文出于傳播更多資訊之目的，如涉著作權事宜請聯系刪除。
0
好文章，需要你的鼓勵