最近的一項(xiàng)研究顯示，人工智能(AI)在預(yù)測(cè)死亡或心臟病發(fā)作的表現(xiàn)已經(jīng)超過(guò)了人類(lèi)。人類(lèi)的思考維度是有限的，而高維度模式比單維度模式更有助于預(yù)測(cè)個(gè)體結(jié)果。在醫(yī)學(xué)診斷領(lǐng)域，AI正在大顯身手。通過(guò)重復(fù)學(xué)習(xí)和不斷調(diào)整，AI可以利用大量的數(shù)據(jù)，來(lái)識(shí)別那些可能并不明顯的潛在疾病。

查看心臟測(cè)試結(jié)果

預(yù)測(cè)一年內(nèi)死亡風(fēng)險(xiǎn)

據(jù)英國(guó)《新科學(xué)家》雜志網(wǎng)站11月11日?qǐng)?bào)道，美國(guó)科學(xué)家的一項(xiàng)新研究稱(chēng)，人工智能(AI)可以通過(guò)查看某人的心臟測(cè)試結(jié)果，預(yù)測(cè)其一年之內(nèi)死亡的風(fēng)險(xiǎn)——即便醫(yī)生認(rèn)為他們正常，但AI如何擁有這項(xiàng)“特異功能”仍是未解之謎。

在此研究中，醫(yī)療保健服務(wù)提供商蓋辛格公司的布蘭登·佛恩沃爾特及同事讓AI檢查了約40萬(wàn)人的177萬(wàn)例心電圖(ECG)，以預(yù)測(cè)未來(lái)一年內(nèi)誰(shuí)的死亡風(fēng)險(xiǎn)更高。

為了做到這一點(diǎn)，該團(tuán)隊(duì)訓(xùn)練了兩種版本的AI:一種AI僅被“喂食”原始ECG數(shù)據(jù)，其可隨時(shí)間測(cè)量出電壓；另一種AI則被“喂食”了ECG以及患者的年齡和性別數(shù)據(jù)。

研究人員使用名為“AUC”的指標(biāo)來(lái)衡量這兩種AI的性能，該指標(biāo)可以描述模型各方面的表現(xiàn)，區(qū)別一年內(nèi)可能死亡患者和幸存患者。佛恩沃爾特說(shuō)，結(jié)果表明，AI的得分始終高于0.85分(滿(mǎn)分為1分，得分為0.5表示兩種AI之間沒(méi)有區(qū)別)；而醫(yī)生目前使用的風(fēng)險(xiǎn)評(píng)分模型的AUC的得分介于0.65—0.8之間。

為進(jìn)行比較，研究人員還基于醫(yī)生測(cè)量的ECG特征創(chuàng)建了一種算法，但佛恩沃爾特說(shuō)：“無(wú)論如何，基于電壓的模型的表現(xiàn)總比根據(jù)我們從心電圖測(cè)量得到的數(shù)據(jù)而創(chuàng)建的模型要好?！?/p>

更重要的是，即使心臟病專(zhuān)家認(rèn)為心電圖正常的人，AI也能準(zhǔn)確預(yù)測(cè)其死亡風(fēng)險(xiǎn)。三名心臟病專(zhuān)家分別檢查了表現(xiàn)正常的心電圖，但無(wú)法找出AI檢測(cè)到的風(fēng)險(xiǎn)模式。

佛恩沃爾特說(shuō)：“這一發(fā)現(xiàn)表明，該模型可能看到了人類(lèi)看不到的東西，或者至少是醫(yī)生忽略并認(rèn)為正常的東西。因此，AI有可能幫我們厘清幾十年來(lái)一直誤解的東西?！毖芯咳藛T將在11月16日于達(dá)拉斯舉辦的美國(guó)心臟協(xié)會(huì)科學(xué)會(huì)議上宣布這項(xiàng)研究。

另外，2018年6月，谷歌的一項(xiàng)研究報(bào)告稱(chēng)，該公司已開(kāi)發(fā)出一種新人工智能算法，可預(yù)測(cè)人的死亡時(shí)間，且準(zhǔn)確率高達(dá)95%。據(jù)報(bào)道，這項(xiàng)AI技術(shù)對(duì)患者面臨的一系列臨床問(wèn)題進(jìn)行了測(cè)試。在研究中，谷歌對(duì)來(lái)自?xún)蓚€(gè)醫(yī)療中心至少21.6萬(wàn)名成人患者，應(yīng)用了這一AI技術(shù)，測(cè)試時(shí)間至少為24個(gè)小時(shí)。研究人員從電子健康記錄中獲取了大量數(shù)據(jù)。

研究證實(shí)，該算法可準(zhǔn)確地預(yù)測(cè)病人的死亡風(fēng)險(xiǎn)、再入院情況，延長(zhǎng)住院時(shí)間和出院診斷。在所有情況下，該算法都被證明比以前公布的算法更精確。據(jù)加州大學(xué)舊金山衛(wèi)生系統(tǒng)的數(shù)據(jù)顯示，該AI算法在預(yù)測(cè)患者死亡率方面有95%的準(zhǔn)確率。

患者只需要做選擇題

AI就能生成電子病歷

每天，醫(yī)學(xué)實(shí)驗(yàn)室或診所等機(jī)構(gòu)都要對(duì)數(shù)百萬(wàn)個(gè)單細(xì)胞進(jìn)行診斷工作。大部分重復(fù)性工作仍由受過(guò)訓(xùn)練的細(xì)胞學(xué)家手動(dòng)完成，他們通過(guò)檢查染色涂片中的細(xì)胞并將其分為大約15個(gè)不同類(lèi)別。為了順利完成上述工作，需要具備專(zhuān)業(yè)知識(shí)且訓(xùn)練有素的細(xì)胞學(xué)家。

為了提高細(xì)胞分類(lèi)以及檢測(cè)效率，德國(guó)亥姆霍茲慕尼黑環(huán)境與健康研究中心和慕尼黑大學(xué)醫(yī)院的一組研究人員“訓(xùn)練”了一個(gè)具有近2萬(wàn)個(gè)單細(xì)胞圖像的深層神經(jīng)元網(wǎng)絡(luò)。

在這項(xiàng)研究中，研究者對(duì)100例患有侵襲性血液病的患者，和100例對(duì)照志愿者的血液涂片中提取的相關(guān)圖像分析。通過(guò)比較其與人類(lèi)專(zhuān)家的檢測(cè)準(zhǔn)確性，從而評(píng)估AI驅(qū)動(dòng)檢測(cè)方法的效果。結(jié)果表明，由AI驅(qū)動(dòng)的解決方案能夠取得與訓(xùn)練有素的細(xì)胞學(xué)家一樣好的成績(jī)。

不僅如此，目前AI輔助診斷已經(jīng)以一種更為易用的方式應(yīng)用于臨床。位于日本東京江戶(hù)川區(qū)的目目澤醫(yī)院，今年4月已開(kāi)始利用AI問(wèn)診系統(tǒng)接診。這是一種類(lèi)似于掌上電腦的系統(tǒng)，患者只需要在上面做選擇題，AI系統(tǒng)就能根據(jù)患者的選擇自動(dòng)生成電子病歷。

這個(gè)AI系統(tǒng)主要針對(duì)慢性頭痛患者，會(huì)問(wèn)“疼痛的部位”“感覺(jué)”“發(fā)生頭痛的時(shí)間”等問(wèn)題。其中，“疼痛的部位”又分為“整個(gè)頭部”“一側(cè)”等；“感覺(jué)”又分為“刺痛”“昏沉”等；“發(fā)生頭痛的時(shí)間”又分為“喝酒的時(shí)候”“激烈運(yùn)動(dòng)之后”等。

該醫(yī)院院長(zhǎng)目目澤肇介紹：“這個(gè)系統(tǒng)保存了約5萬(wàn)份有關(guān)內(nèi)科疾病的論文。根據(jù)患者的選項(xiàng)，AI系統(tǒng)用專(zhuān)業(yè)的醫(yī)療術(shù)語(yǔ)自動(dòng)生成電子病歷。這樣可以節(jié)省在問(wèn)診過(guò)程中輸入電腦的時(shí)間。以前一個(gè)問(wèn)診差不多要10分鐘以上的時(shí)間，現(xiàn)在只需要4分鐘就可以了。”因?yàn)榇蟠鬁p少了等待時(shí)間，這個(gè)系統(tǒng)也得到了患者們的好評(píng)。

據(jù)了解，這個(gè)系統(tǒng)由東京一個(gè)創(chuàng)新企業(yè)于2017年開(kāi)發(fā)，目前已經(jīng)被日本70多個(gè)醫(yī)療單位引進(jìn)使用。

“看臉”就能鑒別

診斷有困難的基因病

醫(yī)生診斷疾病的基本功是“視觸叩聽(tīng)”，靠“相面”看病會(huì)被視為不靠譜的玄學(xué)操作。不過(guò)，目前深度學(xué)習(xí)算法已破解玄學(xué)，AI真的做到了“看臉”辨識(shí)疾病。

相關(guān)內(nèi)容發(fā)表于今年年初的《自然醫(yī)學(xué)》雜志，標(biāo)題大意為“使用深度學(xué)習(xí)辨別基因缺陷的面部表型”。這項(xiàng)“相面”看病系統(tǒng)，叫做DeepGestalt,專(zhuān)門(mén)用于從面部辨識(shí)基因疾病，以幫助臨床醫(yī)生進(jìn)行診斷。

其看病“原理”是基于“部分人的臉部特征會(huì)帶出明顯的基因特點(diǎn)”，因此這個(gè)AI主要用于看基因病，尤其是沒(méi)有明顯典型癥狀，鑒別診斷有困難的基因病。

比如，針對(duì)德朗熱綜合征患兒，此病典型的表現(xiàn)為生長(zhǎng)遲緩，智力發(fā)育遲緩，具有面容上的特征以及上肢缺陷。但有時(shí)患者的表現(xiàn)并不典型，面容特征又需要與其他疾病鑒別，這就到了“相面”輔助診斷AI出場(chǎng)的時(shí)候。

目前，經(jīng)過(guò)訓(xùn)練的DeepGestalt大約能從面容上識(shí)別200多個(gè)綜合征，準(zhǔn)確率在91%左右。

據(jù)報(bào)道，已有醫(yī)生使用與這一AI相連的APP,對(duì)自己無(wú)法確診的患者進(jìn)行拍照上傳，讓DeepGestalt給出參考意見(jiàn)——后者有極高的概率是正確的。

除了像這樣用作診斷參考意見(jiàn)之外，DeepGestalt還可以提供線(xiàn)索和思路——如果一名醫(yī)生接診患者之后，全無(wú)頭緒，可以直接拍照上傳，AI會(huì)提供一些備選的方向。就像用搜索引擎一樣方便。

那么，DeepGestalt是怎樣看病的？

深度學(xué)習(xí)算法之所以成為新世紀(jì)迄今為止最為重大的AI革命，主要原因是它不像之前的AI,在學(xué)習(xí)上是機(jī)械性的。深度學(xué)習(xí)是目前最偉大的仿生學(xué)實(shí)踐——它模仿人類(lèi)中樞神經(jīng)的運(yùn)作方法，可以說(shuō)是“像人腦一樣去學(xué)習(xí)”。

在這個(gè)基礎(chǔ)上，訓(xùn)練DeepGestalt識(shí)別基因疾病，原理上近似于訓(xùn)練人類(lèi)基因病專(zhuān)家有針對(duì)性地去通過(guò)面部特征來(lái)識(shí)別相應(yīng)疾病——只是它相對(duì)更高效。

近年來(lái)，圍繞應(yīng)用人工智能的潛在益處和風(fēng)險(xiǎn)，正在經(jīng)歷激烈爭(zhēng)論。但在醫(yī)療保健領(lǐng)域，越來(lái)越多的人認(rèn)為利用人工智能是一種很好的方法，因?yàn)檫@有助于更好地確定病人的病情和治療方案。