2024-08-20 21:42:51
跟着近来AI技能运用的不停深切，本年咱们看到了许多医疗＋AI的案例，并且运用类型富厚度以及品种也比去年更多。
作者： 年夜康健派编纂 来历： 中国数字医疗网 2018-09-28 09:36:34
跟着近来AI技能运用的不停深切，本年咱们看到了许多医疗＋AI的案例，并且运用类型富厚度以及品种也比去年更多。青亭网总结了近来1个月以来，AI技能运用于医疗范畴的案例，有些还于研究阶段，而有些已经睁开临床测试，让咱们来看看有哪些。
一、 脑补 MRI成像的AI
美国纽约年夜学一组研究核磁共振加快要领的科研团队与Facebook告竣互助，力求练习AI成像东西来缩短9成核磁共振扫描时间。这组科研职员研发的AI运用与于医疗成像范畴经常使用的AI差别，不是哄骗图象辨认技能阐发X光或者者核磁共振扫描成果来帮忙大夫倏地以及正确阐发病情，而是从扫描历程入手，间接加速核磁共振成像的速率。
核磁共振成像耗时长的缘故原由是由于呆板自己需要拍摄年夜量平面图象或者者切片，才气将其叠加起来构成3D图象。有些时辰需要核磁共振成像的切片未几，但要是于需要很是精准且完备扫描的环境下（例如病人的脑瘤的环境），就需要拍摄年夜量切片了。据悉，纽约年夜学这组科研职员从2015年就启动了这个名为FastMRI的核磁共振加快工程，目的是摸索怎样于只扫描一部门数据的环境下，获得以及传统成像品质相似的成果。
用一个直不雅的例子注释就是，假定扫描一张照片时，不扫描构成图的每一条线，而是每一隔一条线一扫描（即 降采样 ），而没有被扫描到的像素可以由人工智能来弥补，如许一来可节约一半时间，并且今朝的呆板进修体系已经经可以胜任如许的使命了。道理就似乎人脑同样，假如人眼由于盲点而看不到完备的某样物体，年夜脑便会经由过程视觉体系主动脑补看不到之处。
使用人工智能来弥补没扫描到之处，可以年夜年夜缩减病人于核磁共振机里煎熬的时间，同时也能提高呆板的效率，进而降低扫描成本、简化操作流程。
Facebook FAIR试验室的Larry Zitnick注释，他们的AI成像技能寻求的不是合理猜度的成像，而是要捕获到传统核磁共振成像中也能到的瑕疵。也就是说科研职员练习的计较机视觉技能不止需要辨认成像的总体纪律以及布局，还要能保留以至斟酌出成像中的异样点，由于没法重现应有的异样点就会年夜年夜降低数据的正确性。幸运的是核磁共振扫描仪的成像体式格局可以矫捷更改，不只可以将扫描次数降低，还可以设置人体每一个部位扫描的次数几多，而CT以及PET扫描仪就没有这么矫捷。
二、自立合成MRI练习数据
用 脑补 来加快MRI成像的AI，还需要思量年夜量练习数据的问题，而这款哄骗GAN（天生匹敌收集）合成MRI练习数据的AI就不消思量这个问题了。NVIDIA Mayo Clinic（梅奥诊所）以及MGH BWH Center for Clinical Data Science（麻省总病院与布莱根主妇病院临床数据科学中央）的科研职员好像找到了上述问题的解决措施，即一种可以或许自立天生练习数据（脑肿瘤3D MRI图象数据）的神经收集。
据青亭网相识，这款AI是科研职员使用Facebook PyTorch深度进修框架开发，并使用NVIDIA DGX超等计较机来练习的，练习的数据使用了由天生式匹敌收集（GAN）（由天生样本的天生器以及别离天生样本与真实样本的判别器两部门构成的神经收集）天生的传神脑瘤MRI成像。
为了练习天生式匹敌收集，这组科研职员使用来自阿兹海默症神经成像研究工程（ADNI）以及多式脑肿瘤图象支解基准（BRATS）的两个公然数据集。由于内存以及算力有限定，科研职员不能不将扫描成像的分辩率从256x256x108降低到128x128x54.
于练习历程中，科研职员于天生式匹敌收集的天生器中输入ADNI的成像数据，天生器进修模拟ADNI的成像合成年夜脑成像（包罗白质、灰质以及脑脊液），接下来于天生器中输入BRAT数据集时，其会天生肿瘤的完备切割成像。天生式匹敌收集还会为扫描图举行标志，人类专家做这项使命要花数小时才气完成，由于天生式匹敌收集将年夜脑成像与肿瘤切割成像分成为了两组来标志，科研职员即可以修改肿瘤巨细以及位置，还可以将肿瘤 移植 到康健的年夜脑上。
科研职员暗示，这是第一次呈现使用合成的年夜脑成像来练习神经收集的技能，这也很好地掩护了病人的隐衷，由于天生式匹敌收集合成的成像数据是匿名的。
三、猜测心脏病危害
为了辅助大夫，提早猜测病人患心脏病的危害并指定预防办法，微软研发了一种哄骗AI猜测心脏病危害的API，于印度综合专科病院Apollo投入使用。这款东西会从21个方面举行阐发：饮食、烟草以及抽烟习气、一样平常勾当等要素，还会经由过程呼吸频次、高血压、紧缩压舒张压来判定生理压力与焦急。
AI于阐发事后，会对于患者以低、中、高三个级别打分，并指出一些经由过程改良可以降低心脏病危害的要素，它不只可认为大夫提供更周全的信息，还能提议病人改良糊口习气实时预防心脏病。
印度每一年心脏发病的人数近300万，患有冠芥蒂的印度人有3000万，据联邦卫生不统计，每一8位印度人就有1人患有高血压。以往的AI模子都因此西方人的数据为根蒂根基成立的，这次微软与Apollo病院互助推出的API，哄骗了Apollo病院同享的40万印度人数据，可轻松正确地猜测心脏病危害。
哄骗AI以及呆板进修技能Apollo病院有决定信念与微软可以一同从底子上预防印度人的心脏病，他们规划互助开发更多新东西来帮忙大夫医治非感染性疾病，将这款危害猜测API援用于多家私利以及公立医疗体系中，将来还将推广到其他国度。
这个互助工程是基在微软的AI Network for Healthcare规划，这项规划的宗旨是哄骗AI以及云计较技能加快医疗行业的立异，改良全球人平易近的糊口，与Apollo病院配合推出的AI预示着规划向乐成迈向了一年夜步。
四、经由过程动作检测，评估帕金森
帕金森症于中国事仅次在肿瘤、心脑血管疾病的第三年夜疾病，今朝帕金森患者人数跨越270万，2030年估计跨越500万。帕金森的症状包孕：颤动、肢体僵直、运动缓慢、步态异样，其并发症包孕掉智、郁闷以及焦急。
今朝病院诊断帕金森症的一种要领是UPDRS（帕金森症综合评分表），一共分为其部门，病人需要于大夫引导下完成每一个部门的划定动作，大夫对于这些动作留意打分，举行一次测试凡是要话30分钟，此外大夫以及患者的客观判定可能会影响测试成果。
是以，腾讯的AI试验室推出了一款经由过程动作检测，评估帕金森症的AI模子。评估历程很简朴，只需要患者于摄像头前做出一系列划定动作，然后AI便会作出评估。据相识，这项技能运用了深度进修以及图象辨认两种技能，腾讯试验室于人体上设定上百个可辨认的要害节点，使用检测仪来追踪这些节点于频次、间隔、角度以及速率等方面的变迁，成立模子来练习AI.
接着，这款AI会经由过程图象辨认技能捕获患者的动作、辨认要害节点，然落伍行阐发以及判定。
将来腾讯AI试验室还会将这项技能用在脑瘫患者的步态阐发、评测运带动伤后恢复状况、白叟运动威力等检测中。
五、经由过程一样平常对于话辨认抑郁症
国麻省理工学院媒体试验室（CSAIL）的科研职员于一篇新论文中，描写了一款可以或许经由过程阐发病人的文字以及口头言语来感知抑郁症的神经收集体系。据CSAIL称，其事情道理是，将与病人谈话收罗到的原始文字以及语音数据放于这款神经收集模子中阐发，总结出抑郁症患者的措辞纪律，并哄骗这类纪律与其他病人举行阐发对于比来判定病情，其还会于阐发历程中不停进修提高阐发正确性。
大夫判定抑郁症的传统体式格局是，扣问病人一些关在已往精神病史、糊口体式格局、表情等问题，阐发病人的谜底。可是CSAIL科研职员以为每一个病人措辞体式格局差别，只是问问题以及听谜底有其局限性，是以研发了这款神经收集，经由过程阐发病人的一样平常对于话，来矫捷周全地判定抑郁症状。也就是说这款神经收集最主要的特色就是不需要思量语境，不需要经由过程特定的问题以及谜底来阐发症状，阐发病人的言语就够了。
据青亭网相识，CSAIL的科研职员从DAIC言语数据库中选择了142例患生理疾病的病人与人类操控的呆板人谈话的音频、文字以及视频数据。例如，这款模子会给语音中措辞人枯燥的语气婚配哀痛、低落或者者表情欠好等标签。模子可能参考的另外一个纪律是，患抑郁的病人措辞会比力低落，句子之间的搁浅也会长一些，不外这款模子要更智能、参考的尺度也更繁杂周全。神经收集模子将数据与小我私家康健查询拜访问卷举行对于比，将数据中中的病人从0到27打分，于中度（10-14分）以及中重度（15-19分）区间以上的病人将被视作抑郁，低在这个区间的病人将被视作没有抑郁症，142例患者中有28人抑郁（20%）。
这款神经收集可以对于大夫起到辅助作用，好比当其发明异常就会通知大夫。科研职员但愿将来将这款模子的运用扩大到阐发痴呆症等认知障碍疾病上，或者者做成挪动运用，经由过程阐发用户的短信以及德律风，发明生理压力然后发出提醒。这不由让人想起了以前曾经暴光过的一段google The Selfish Ledger 影片，一样是手机将人类的糊口摆设的妥安妥当，就是有点吓人而已。固然，对于在那些由于间隔远、难以承担医药费或者者缺少意识而没能去找大夫确诊的人来讲，假如有这么一款运用照旧很利便的。
别的，就像以前人类经由过程不雅察AI玩《Dota 2》来进修新打法同样，CSAIL的科研职员也但愿可以阐发、进修这款神经收集使用的诊断尺度。
六、哄骗google开源AI诊断肺癌
近日，纽约年夜学的一组科研职员经由过程从头练习google的Inception v3（用在图象阐发的开源卷积神经收集），研发了一种检测特定肺癌类型的AI技能，正确率达97%.
美国癌症协会以及癌症统计中央数据暗示，美国每一年确诊为肺癌的患者跨越20万人，有15万以上的患者由于并发症而逝世，而这项技能将为他们带来福音。这组科研职员暗示，AI于例行查抄以及疑问肺癌案例中均可以对于大夫起到帮忙，让大夫有更多时间去解决更高级的问题，好比联合构造、份子以及临床信息为每一个病人制订医治规划。
颠末从头练习后的Inception v3，诊断纽约年夜学的癌症患者的自力样本正确率梗概于83%到97%之间，样本中另有一些它没有碰到过的元素，好比血凝、血管、发炎、坏逝世区以及肺衰竭的部门。此外，这款模子平均检测时间为20秒，并且其用来计较癌症几率使用的PC只搭载了一块显卡。
据悉，这组科研职员不只让AI去辨认癌构造，另有构造内的基因突变，这款AI的算法可以或许经由过程颤噪效应辨认出LUAD数据中的6种最多见的突变基因（STK十一、EGFR、FAT一、SETBT一、KRAS、TP53），不外AI是怎样区分这些突变基因的科研职员还不清晰。
这款AI对于在病理学家来讲是一个颇有用的东西，其提供的信息可帮忙大夫对于每一个肺癌患者专门定制医治方案，制造更多样化的精准医疗。于将来，这组科研职员但愿将该AI模子用在检测年夜细胞癌、坏疽、纤维化等症状上，并且据报导他们正于像美国食物及药物治理局申请将这项技能贸易化。
七、制订放射医治方案
美国每一年有至少50万人确诊头颈癌，很多人选择接管放射医治，可是为了不癌细胞周边的脑构造受损，大夫必需警惕制订把这些构造断绝的方案。近日，google子公司DeepMind与英国伦敦年夜学学院病院互助，研发了一款辅助大夫制订医治方案的AI，经测试，这款AI模子哄骗CT扫描图，举行癌细胞与周边的具体分区，邃密水平 直逼人类 。
于近几年来，基在深度进修的AI算法比传统分区算法更加显出了上风，不只可以或许填补人类大夫没有思量到的方面，还年夜年夜缩短了分区时间。
据悉，这组科研职员练习AI使用的数据涵盖了21种器官（咽喉、蛇头、鼻腔、结缔构造以及软构造等）的663份X线断层摄影图，经测试，AI模子于19种器官数据上的体现力与有几年经验的放射医治技师没有很年夜不同。此外，使用一套来自24名患者的CT扫描图（AI没有接触过的数据）举行自力测试后，AI对于每一个病人的阐发成果也是一样优异。
接下来，DeepMind的科研职员规划将这款AI用在临床实验，他们以为AI有可能会缩短诊断到医治之间破费的时间，而且实时制订出顺应性放疗方案。
google公司正于踊跃寻觅将AI于医疗的各类运用标的目的，他们规划研发一款可以或许猜测患者再入院率的技能。
八、猜测糖尿病患者血糖程度
糖尿病是美国的多发疾病，始终威逼着美国人的康健与生命，据美国疾病防控中央数据显示，美国患有糖尿病或者者前往糖尿病的人数至少1亿人，每一年会新增140万糖尿病人，虽然糖尿病医治技能于飞速成长，可是许多人由于不会按期检测血糖，致使犯病，堕入昏倒以至激发灭亡。
近日，有一组科研职员于论文中论述了一种AI技能，可于患者高血糖或者低血糖发病以前猜测其将来的血糖值趋向。于论文中，科研职员描写了一种基在是非期影象模子的递归神经收集，这个神经收集可以或许进修持久的依靠瓜葛。也就是说，是非期影象模子中的存储单位可帮忙神经收集将存储的影象以及数据联合，从而提高猜测的正确性。并且由于他们使用的是双向是非期影象模子，以是这款神经收集可以或许参考已往的数据、推理将来的数据，加快练习时间。
接下来，这组科研职员规划于该神经收集中插手更多功效、提高机能，还会插手 提示机制 猜测将来可能发生的高血糖/低血糖症状。
这其实不是科研职员们第一次哄骗呆板进修技能举行糖尿病猜测了，好比中国的第四范式公司曾经研发过一款可以或许猜测患者于15年内患糖尿病可能性的模子，正确率达88%；Klick Health开发了一种可以或许猜测30分钟内血糖值的算法；生物医学公司One Drop研发了一种撑持Apple Watch的血糖监测体系，近来插手了一个可以或许猜测血糖值以及提供改良提议的功效。
别的另有一个叫Sweetch的运用，哄骗AI鼓动勉励糖尿病患者运动以及对峙饮食规划，据美国约翰。霍普金斯年夜学的内排泄、糖尿病以及新陈代谢部分的研究显示，Sweetch极年夜水平上帮忙患者节制了血糖程度。
九、哄骗群体智能诊断肺炎
美国一家名为Unanimous AI的创企研发了一款诊断肺炎的AI体系，于测试中，其正确率与一组放射医师比拟高了22%，并且过错率也降低了33%.
人类需要培训12年才气够成为放射科医师，于这时期需要经由过程向其他大夫进修、不雅察等体式格局不停富厚本身的经验。另外一方面，Unanimous的AI平台使用了群体智能模子来练习，以提高猜测的正确性。简朴来说就是，一组人类放射医师联机登岸Unanimous AI平台，哄骗鼠标、触控板或者者触屏来对于屏幕中的数据举行诊断，而Unanimous AI的算法会及时记载他们的举动。
介入上述历程的放射医师平均每一60秒可作出50次诊断，Unanimous AI会按照医师鼠标挪动的体式格局，衡量他们简直信水平，决议其数据的主要性。使用这组放射医师提供的数据练习的Unanimous AI，正确率比CheXNet模子高11%.
Unanimous AI暗示，年夜大都AI公司都专一在寻觅年夜数据中的纪律，但他们想要摸索的是，怎样将人聚于一路，经由过程AI变患上越发智能，怎样哄骗群体智能将人酿成人工专家？
今朝Unanimous AI有两款群体智能产物：Swarm Insight以及Swarm AI，前者曾经用在帮忙客户猜测不雅众对于电视告白的反映，尔后者是该公司的焦点AI技能，波音公司的项目师曾经用这款产物协助驾驶舱设计。
十、为用户提供医疗提议
美国医疗运用公司HealthTap，近日于同名运用中推出了一系列帮忙用户 加强智能 的AI功效，帮忙解决了原本可能需要看70亿次大夫才气解决的问题。
据悉，HealthTap中的AI大夫会检测病人的症状，提供下一步医治的提议，还会提供从汗青数据中收罗的文字谜底、大夫授权的保健引导、医治提示以及与大夫视频诊疗。
据HealthTap称，这款运用比传统查病平台更精准，界面临在用户查抄本身的症状来讲更利便。
AI大夫会按照患者的小我私家信息以及病史，提供越发个性化的医疗提议。
据悉，HealthTap期初是哄骗Facebook Messenger谈天呆板人技能，为病人提供医疗提议以及大夫的接洽体式格局。
此外，HealthTap还将运用授权给雇主、安全公司以及医疗体系，今朝天天有170个国度的14万名大夫于使用HealthTap运用。
十一、诊断眼疾
说到AI与医疗联合，不能不再次提到google子公司DeepMind，其于近日与英国摩尔菲尔兹眼科病院以及伦敦年夜学学院眼科研究所互助研究，发明哄骗AI阐发视网膜扫描图于诊断青光眼、老年黄斑变性以及糖尿病视网膜病变等眼疾上，正确率达94%，逾越了该病院的8名临床专家。
这组科研职员研发这款AI技能，是为了诊断出急需看大夫的眼疾患者，假如能早发明眼疾，就能及早接管医治，包管更好的医治成果。
这款AI体系的特色于在，它其实不只是提供医治提议，而是会为大夫注释为何会做出如许的提议，并且还会提供其对于这些提议简直信水平。如许一来，用户就能够更好相识AI的推理历程，就像是以前青亭网曾经报导过MIT林肯试验室研发的可以或许推理的AI，这或许于之后也会成为一种趋向。据悉，DeepMind的这款AI还可以或许被用在扫描眼部的医学成像装备中。
按照世界卫生构造统计，今朝全世界有跨越2.5亿人患有眼疾或者者掉明，而像糖尿病视网膜病变这类眼疾，现实上与血汗管疾病有瓜葛。google的这款AI可以或许猜测患者的糖尿病视网膜病变时辰会惹起严峻的心脏病，正确率约70%.
除了了DeepMind，google母公司Alphabet的子公司Verily Life Science于最近几年也忙着一些医疗科研工程，好比检测睡眠呼���吸暂停、使用AI辨认药物、采血等等。
十二、检测癌症散布
近日，一组由英国伦敦癌症研究所、英国伯明翰年夜学、伦敦年夜学玛丽皇后学院以及美国斯坦福年夜学构成的科研职员开发了一款可以或许帮忙大夫诊断癌症阶段的AI体系。据悉，这款AI体系名为Revolver（代表癌症重复的演化历程），它可以或许辨认出癌症细胞蜕变、散布以及孕育发生抗性的环境。
有了Revolver，大夫于将来就有可能相识肿瘤于何时会酿成恶性，另有可能知道癌症对于某种疗法的反映，找到合适患者的药疗方案。
癌症研究所的一位科研职员Andrea Sottoriva玻士暗示： 这款AI东西可以或许辨认深藏于繁杂数据集中的肿瘤突变纪律，并以此猜测肿瘤将来的勾当。
今朝，科研职员已经经使用了来自178名病人的768份样原来测试Revolver，这些数据包孕肺癌、乳腺癌、肾癌以及肠癌。
此外，癌症研究所的卖力人Paul Workman以为，这项技能于将来将会提早辨认癌症，为患者制订更个性化的具体医治规划，不外使用Revolver医治癌症还需要时间。
医疗范畴 AI技能 人工智能 年夜数据
存眷年夜康健Pai 官方微信：djkpai咱们将按期推送医健科技财产最新资讯
最新快讯
医健资讯 | 树模工程补贴5亿元！“2024年中心财务撑持公立病院鼎新与高品质成长树模工程”申报启动 1天前
/乐鱼