醫(yī)生水平大PK:人工智能四勝三平一負(fù)絕對(duì)領(lǐng)先
IEEESpectrum日前公布了一個(gè)記分牌，顯示了在醫(yī)療領(lǐng)域的各個(gè)子類(lèi)中，AI和人類(lèi)醫(yī)生誰(shuí)更占優(yōu)勢(shì)。用IEEESpectrum的話(huà)說(shuō)，AI正在醫(yī)療領(lǐng)域?qū)︶t(yī)生發(fā)起挑戰(zhàn)，我們一直在記分。
這個(gè)記分牌顯示
AI占據(jù)明顯優(yōu)勢(shì)的是心臟病、中風(fēng)和自閉癥；
AI占據(jù)一定優(yōu)勢(shì)的是阿茲海默、外科手術(shù)；
AI和人類(lèi)醫(yī)生打個(gè)平手的是腦腫瘤、眼科、皮膚癌；
人類(lèi)醫(yī)生占據(jù)明顯優(yōu)勢(shì)的是一般性診斷。
心臟病：與標(biāo)準(zhǔn)預(yù)測(cè)方法相比，AI系統(tǒng)多預(yù)測(cè)正確了355個(gè)患者的病情
英國(guó)諾丁漢大學(xué)的研究人員創(chuàng)建了一個(gè)系統(tǒng)，該系統(tǒng)通過(guò)掃描患者的常規(guī)醫(yī)療數(shù)據(jù)，可以預(yù)測(cè)10年內(nèi)哪些患者有心臟病發(fā)作或中風(fēng)的危險(xiǎn)。與標(biāo)準(zhǔn)預(yù)測(cè)方法相比，AI系統(tǒng)多預(yù)測(cè)正確了355個(gè)患者的情況。
研究者StephenWeng和他的同事在英國(guó)378,256名患者的醫(yī)療記錄上測(cè)試了幾種不同的機(jī)器學(xué)習(xí)工具。這些記錄記載了2005年到2015年患者的健康狀況，并包括了一些人口學(xué)、醫(yī)療條件、處方藥、就診記錄、實(shí)驗(yàn)室結(jié)果等信息。
研究人員將病歷記錄中的75%投喂到他們的機(jī)器學(xué)習(xí)模型中，該模型旨在找出10年內(nèi)經(jīng)歷了心臟病發(fā)作或中風(fēng)的患者的特征。然后，研究小組在另外25％的記錄中測(cè)試了模型，看看它們預(yù)測(cè)心臟病發(fā)作和中風(fēng)的準(zhǔn)確程度如何。他們還用該記錄的子集測(cè)試了標(biāo)準(zhǔn)預(yù)測(cè)方法的準(zhǔn)確度。
使用1.0分表示100％準(zhǔn)確度，標(biāo)準(zhǔn)方法得分為0.728。機(jī)器學(xué)習(xí)模型的準(zhǔn)確率則從0.745到0.764，神經(jīng)網(wǎng)絡(luò)機(jī)器學(xué)習(xí)模型的得分最高。
也就是說(shuō)，神經(jīng)網(wǎng)絡(luò)模型在7,404例實(shí)際發(fā)生心臟病或中風(fēng)的病例中正確預(yù)測(cè)出了4,998名患者，比標(biāo)準(zhǔn)方法高出355名。有了這樣的預(yù)測(cè)，醫(yī)生就可以采取預(yù)防措施，如開(kāi)處方藥降低膽固醇。
自閉癥：僅使用三個(gè)變量，算法檢測(cè)出了10名自閉癥兒童中的8名
北卡羅來(lái)納大學(xué)的一個(gè)研究團(tuán)隊(duì)檢測(cè)到了6個(gè)月大的兒童與自閉癥相關(guān)的大腦發(fā)育變化。深度學(xué)習(xí)算法能夠使用這些數(shù)據(jù)來(lái)預(yù)測(cè)在24個(gè)月內(nèi)，有罹患自閉癥高度風(fēng)險(xiǎn)的兒童是否能被診斷出該病。
該算法正確預(yù)測(cè)高危兒童的最終診斷準(zhǔn)確率為81％，靈敏度為88％。與行為調(diào)查問(wèn)卷相比，這無(wú)疑是更有幫助的結(jié)果這些調(diào)查問(wèn)卷診斷早期自閉癥（大約12個(gè)月大），只有50％的準(zhǔn)確性。
UNC心理學(xué)家和大腦發(fā)育研究員資深作者HeatherHazlett說(shuō)：這優(yōu)于以前那些辦法，并且能在兒童更小時(shí)就做出診斷。
這一算法運(yùn)行良好，僅使用三個(gè)變量腦表面積，工業(yè)機(jī)器人維修，腦容量和性別（男孩比女孩更容易發(fā)生自閉癥）該方法檢測(cè)出了10名自閉癥兒童中的8名。
據(jù)研究團(tuán)隊(duì)成員、UNC神經(jīng)圖像分析和研究實(shí)驗(yàn)室聯(lián)合主任MartinStyner說(shuō)，訓(xùn)練該算法的團(tuán)隊(duì)最初使用了一半的數(shù)據(jù)訓(xùn)練，另一半用于測(cè)試。但是，根據(jù)評(píng)議人員的要求，他們隨后進(jìn)行了更為標(biāo)準(zhǔn)的10-fold分析，其中數(shù)據(jù)被細(xì)分為10個(gè)相等的部分。然后機(jī)器學(xué)習(xí)的過(guò)程進(jìn)行10輪，每輪用9部分訓(xùn)練，保留一部分用于測(cè)試。最后，最后收集10輪的僅測(cè)試結(jié)果，用于其預(yù)測(cè)。
幸運(yùn)的是，Styner說(shuō)，兩種類(lèi)型的分析-初始的50/50和最后的10-fold-顯示了幾乎相同的結(jié)果。該團(tuán)隊(duì)對(duì)預(yù)測(cè)精度感到滿(mǎn)意。
當(dāng)然，Hazlett也表示，項(xiàng)目的推進(jìn)和普及還需要一些時(shí)間，這樣昂貴的診斷測(cè)試不是所有的家庭都能負(fù)擔(dān)得起。
阿爾茨海默：新方法可能沒(méi)有比舊的好太多，也許只是因?yàn)樗褂昧烁玫臄?shù)據(jù)
哈佛大學(xué)、馬薩諸塞州總醫(yī)院和華中科技大學(xué)的研究者合作設(shè)計(jì)了一項(xiàng)將fMRI腦掃描與臨床資料結(jié)合起來(lái)進(jìn)行預(yù)測(cè)的方案。
馬薩諸塞州總醫(yī)院臨床數(shù)據(jù)科學(xué)中心的高級(jí)研究員QuanzhengLi說(shuō)：我們?cè)噲D在早期發(fā)現(xiàn)阿爾茨海默。很多人嘗試使用傳統(tǒng)的機(jī)器學(xué)習(xí)方法來(lái)做到這一點(diǎn)，但結(jié)果并不那么好，因?yàn)檫@是一個(gè)非常困難的問(wèn)題。
初步測(cè)試后，研究人員表示，他們的深度學(xué)習(xí)程序與特殊的fMRI數(shù)據(jù)集配對(duì)時(shí)，比使用更基本的數(shù)據(jù)集的其他分類(lèi)方法更準(zhǔn)確。然而，當(dāng)這些傳統(tǒng)分類(lèi)器也使用特殊數(shù)據(jù)集時(shí)，它們?cè)诰壬弦灿蓄?lèi)似的增益。
愛(ài)丁堡大學(xué)生物醫(yī)學(xué)工程師JavierEscudero表示，這個(gè)新方法可能沒(méi)有比舊的好太多，可能只是因?yàn)樗褂昧烁玫臄?shù)據(jù)。
如果是這樣，那么想要借助深度學(xué)習(xí)方法診斷阿爾茨海默病的其他專(zhuān)家可能想要仔細(xì)觀察他們納入分析的數(shù)據(jù)。根據(jù)這項(xiàng)最新的研究，顯示大腦區(qū)域之間關(guān)系的fMRI掃描提供了比僅隨時(shí)間變化記錄測(cè)量結(jié)果更細(xì)微的視圖。
研究團(tuán)隊(duì)想看看他們是否可以使用功能連接中的這些變化來(lái)預(yù)測(cè)阿爾茨海默病。他們從阿爾茨海默病神經(jīng)影像學(xué)計(jì)劃提供的93名MCI患者和101名正�；颊叩臄�(shù)據(jù)開(kāi)始。根據(jù)從參與者大腦中90個(gè)區(qū)域獲取的130次fMRI測(cè)量的時(shí)間序列，研究人員可以知道一段時(shí)間內(nèi)信號(hào)閃爍的位置。
接下來(lái)，在關(guān)鍵步驟中，研究者處理了該數(shù)據(jù)集，以便對(duì)相關(guān)腦區(qū)域中信號(hào)強(qiáng)度進(jìn)行二次測(cè)量。換句話(huà)說(shuō)，他們構(gòu)建了一個(gè)功能連通圖，顯示哪些區(qū)域和信號(hào)彼此最密切相關(guān)。
最后，該團(tuán)隊(duì)構(gòu)建了一個(gè)深度學(xué)習(xí)程序，可以解釋這些模式，并結(jié)合年齡、性別和遺傳風(fēng)險(xiǎn)因素等臨床資料，預(yù)測(cè)一個(gè)人是否會(huì)發(fā)展成為阿爾茨海默病。
最后，該團(tuán)隊(duì)說(shuō)，其使用特殊處理的功能連接數(shù)據(jù)集的程序，在其數(shù)據(jù)集中預(yù)測(cè)患者是否會(huì)得阿爾茨海默病的準(zhǔn)確率，接近90％。
手術(shù)：在60％的試驗(yàn)中，STAR完全自主地完成了手術(shù)的規(guī)劃和執(zhí)行
智能手術(shù)機(jī)器人在計(jì)劃并執(zhí)行手術(shù)，雖然監(jiān)督者會(huì)偶爾進(jìn)行幫助
機(jī)器人已經(jīng)可以使用自己的視覺(jué)、工具和智能來(lái)縫合豬的小腸。更重要的是，SmartTissueAutonomousRobot（STAR）在操作上表現(xiàn)得比人類(lèi)外科醫(yī)生更好。
STAR的發(fā)明者并沒(méi)有聲稱(chēng)機(jī)器人可以很快在手術(shù)中取代人類(lèi)。相反，他們使用了有監(jiān)督的自動(dòng)化的概念。
研究者之一、兒童外科醫(yī)生PeterKim表示醫(yī)生的工作并沒(méi)有受到威脅。他說(shuō)：如果有一臺(tái)能夠與我們一起工作以改善手術(shù)結(jié)果和安全性的機(jī)器，將是一件大好事。
研究人員對(duì)他們的機(jī)器人進(jìn)行了編程，www.sonanjido.com，進(jìn)行了稱(chēng)為腸縫合的手術(shù)將被切割的腸段縫合在一起。該團(tuán)隊(duì)的高級(jí)工程師RyanDecker說(shuō)，縫合線必須緊密而有規(guī)律地隔開(kāi)，以防止泄漏。經(jīng)驗(yàn)豐富的人類(lèi)外科醫(yī)生同樣執(zhí)行了相同的任務(wù)。當(dāng)比較所得到的縫合線時(shí)，STAR的針腳更加一致，更能防止泄漏。
在大約40％的實(shí)驗(yàn)中，研究人員進(jìn)行了干預(yù)，提供了某種類(lèi)型的指導(dǎo)。在其他60％的試驗(yàn)中，STAR完全自主地完成了這項(xiàng)工作。
人類(lèi)外科醫(yī)生可以對(duì)手術(shù)進(jìn)行，讓機(jī)器做更多的例行或繁瑣操作。
STAR通過(guò)整合幾種不同的技術(shù)來(lái)解決軟組織帶來(lái)的挑戰(zhàn)。其視覺(jué)系統(tǒng)依賴(lài)于放置在腸組織中的近紅外熒光（NIRF）標(biāo)簽；一個(gè)專(zhuān)門(mén)的NIRF攝像機(jī)跟蹤這些標(biāo)記，而3D攝像機(jī)記錄整個(gè)外科手術(shù)的圖像。結(jié)合所有這些數(shù)據(jù)，STAR能夠?qū)⑵渲攸c(diǎn)放在目標(biāo)上。機(jī)器人自己制定了縫合任務(wù)的計(jì)劃，并且隨著組織在運(yùn)行過(guò)程中的移動(dòng)，它自動(dòng)調(diào)整了該計(jì)劃。
腦腫瘤：IBMWatson只花了10分鐘就分析了患者的基因組并提出了治療計(jì)劃，專(zhuān)家則花了160個(gè)小時(shí)