盡管當(dāng)今醫(yī)學(xué)相比數(shù)十年前已經(jīng)取得長足的進(jìn)步，如果有人告訴你，在臨床上僅依靠一張普通的胸部X光片來確定患者的種族，或者憑短短幾分鐘的音頻來確診2型糖尿病，無論對于專業(yè)的醫(yī)生還是普羅大眾來說都還像是天方夜譚。不過，如今的人工智能超越了我們的想象，將科幻變成了現(xiàn)實(shí)。盡管目前我們還無法理解人工智能是如何實(shí)現(xiàn)的，卻并不影響我們對它的杰出表現(xiàn)由衷地稱贊。
隨著AI模型chatgpt的橫空出世，越來越多的人工智能模型在醫(yī)療領(lǐng)域已經(jīng)開始展現(xiàn)出強(qiáng)大的應(yīng)用潛力。經(jīng)過訓(xùn)練，AI模型能夠在病歷管理、圖像分析、分流診斷以及心理健康支持等方面為臨床提供重要的幫助。如今人工智能的神奇遠(yuǎn)不止于此，近日科學(xué)家們覺察到人工智能偶然會發(fā)現(xiàn)一些我們?nèi)祟悷o法察覺的醫(yī)學(xué)關(guān)聯(lián)。例如，僅通過胸部X光片就能判斷出病人的種族信息，按照傳統(tǒng)醫(yī)學(xué)認(rèn)知，這種關(guān)聯(lián)非常不可思議。這些發(fā)現(xiàn)也給我們醫(yī)療專業(yè)人員帶來了前所未有的全新挑戰(zhàn)。
對于近期這些突破認(rèn)知的案例，醫(yī)學(xué)研究專家們有了新的目標(biāo)，即深入理解人工智能通過何種方式發(fā)現(xiàn)這些數(shù)十年來曾被人類忽視的重要關(guān)聯(lián)。從僅通過觀察眼睛即可預(yù)測個體未來的心血管風(fēng)險(xiǎn)，到能夠在數(shù)年之前就提早識別出患有阿爾茨海默氏癥的風(fēng)險(xiǎn)，再到準(zhǔn)確評估患者入院的可能性，人工智能所展現(xiàn)的各種潛能令人驚嘆不已。
本文中，筆者將為您細(xì)細(xì)盤點(diǎn)近期人工智能取得的這些里程碑式的突破。
1.人工智能僅通過醫(yī)學(xué)影像就能辨別患者種族
近日，麻省理工學(xué)院的科學(xué)家們發(fā)表了一篇極具轟動性的論文，文中詳述了他們發(fā)現(xiàn)人工智能模型僅通過醫(yī)學(xué)影像圖就能準(zhǔn)確辨別患者的種族。利用成像數(shù)據(jù)，這種AI模型能夠?qū)⒎N族識別為白人、黑人或亞洲人。
你或許會覺得，給一張照片，任何人都能看出來是非洲人還是亞洲人吧，但是，研究人員表示他們提供給人工智能模型的圖像本身并未明確提供患者的膚色外貌等種族特征。
如果是通過傳統(tǒng)的研究手段，即使是經(jīng)驗(yàn)最豐富的醫(yī)生也無法做到這一點(diǎn)，目前仍不清楚AI模型是如何做到的。
研究人員不遺余力地試圖弄清楚該算法如何從圖像中識別種族。從骨密度到圖像分辨率，從解剖差異到乳房密度，他們研究了大量的變量特征，距離人工智能的展現(xiàn)的這種“超能力”仍相去甚遠(yuǎn)。
為了測試該模型的性能，他們從多個維度對圖像進(jìn)行了調(diào)整。他們調(diào)整不同骨骼結(jié)構(gòu)的顏色差異，然后將其進(jìn)行色彩過濾，處理到無法用于醫(yī)學(xué)診斷程度，然而，該模型依然能夠準(zhǔn)確辨別。
特別值得一提的是，本研究的兩位科學(xué)家Ghasami和Celi同時(shí)發(fā)現(xiàn)，即使從臨床記錄去掉所有明確的種族特征描述，模型也仍舊可以從這些記錄中識別患者的種族。就像前面醫(yī)學(xué)影像圖的情況一樣，人類研究專家也同樣無法從相同的臨床記錄中準(zhǔn)確推斷患者所屬的種族。
2.人工智能在十秒鐘內(nèi)通過聲音診斷2型糖尿病
近期，《Mayo Clinic Proceedings: Digital Health》雜志發(fā)布了一項(xiàng)重要研究，旨在深入研究語音分析在診斷2型糖尿病方面的潛力。在該研究中，研究人員成功訓(xùn)練了一個人工智能模型，用來對聲音樣本進(jìn)行深入分析，研究分別選取了非糖尿病患者及2型糖尿病患者各10秒鐘的錄音樣本。
參與研究的志愿者兩周內(nèi)每天錄制幾次固定的短句，總共錄制了18465段語音。該研究集中分析了從每段錄音中提取到的14個聲學(xué)特征。
經(jīng)過嚴(yán)謹(jǐn)?shù)膶?shí)驗(yàn)分析，該人工智能模型在診斷患病方面展示出了良好的性能。研究結(jié)果顯示，模型對于女性志愿者在特異性方面表現(xiàn)出眾，從71%到90%不等，這表明該模型能夠相對準(zhǔn)確地識別受試者未患糖尿病。同時(shí)，敏感性在53%到58%之間，優(yōu)于正確識別糖尿病個體的機(jī)率。
男性測試受試者的表現(xiàn)略差，特異性為70-75%，敏感性為49-59%。盡管該算法的初始性能尚不夠穩(wěn)定，無法立即用于臨床診斷2型糖尿病，但是其結(jié)果已經(jīng)充分展現(xiàn)了不同于傳統(tǒng)手段的巨大潛力。大膽想象一下，也許接下來幾年之內(nèi)，通過用手機(jī)分析我們的聲音特征，即可檢測到血糖水平在升高還是下降。
3.通過人工智能模型分析腦電波制定更好的抗抑郁治療方案
有數(shù)據(jù)顯示，目前臨床在治療抑郁癥時(shí)，只有30% 的患者對第一種處方抗抑郁藥用藥反應(yīng)良好。為什么效率如此低下？醫(yī)生其實(shí)也無能為力。臨床在制定抗抑郁治療方案時(shí)仍然不得不通過反復(fù)試錯來趨近有效。
通過研究患者的腦電波，德克薩斯大學(xué)西南醫(yī)學(xué)中心的精神病學(xué)教授特里維迪博士團(tuán)隊(duì)和一個AI模型篩選出出了最有效的抗抑郁藥。他們分析了之前的研究數(shù)據(jù)，測量了200多名志愿者的腦電圖，然后分別進(jìn)行舍曲林（一種常用的抗抑郁藥）或安慰劑給藥，整個服藥周期時(shí)長八周。
該研究成果近日于《Nature Biotechnology》雜志上發(fā)表，數(shù)據(jù)顯示，志愿者中中65%具有特定腦電波模式的患者對舍曲林也表現(xiàn)出了顯著的藥效反應(yīng)。論文的作者之一阿米特·埃特金博士認(rèn)為，這種方法比僅依靠某些臨床癥狀來猜測一種藥物是否會對患者有效的方式效果要好得多。
4.利用人工智能從照片中識別罕見疾病
眾所周知，如果一種疾病很罕見，那么它的診斷和治療就會充滿挑戰(zhàn)。然而統(tǒng)計(jì)表明全世界每年約有多達(dá)50 萬罹患罕見遺傳病的兒童出生，困擾了無數(shù)家庭。不過，許多罕見病患者都具有獨(dú)特的身體特征，這有助于醫(yī)生識別具體的疾病。相當(dāng)一部分兒科醫(yī)生可能會忽視這些特征，我們不能因此歸咎于他們，因?yàn)樗麄円苍S此前從未見過這種病例。值得欣慰的是，由于圖像識別算法的日益完善，這些特征逃不出人工智能的法眼。
近日波恩大學(xué)和柏林醫(yī)學(xué)大學(xué)的一項(xiàng)研究中，科學(xué)家們使用了一個基于人工智能的軟件來分析包含679名患者的105種不同疾病的數(shù)據(jù)集。這些疾病主要包括粘多糖病、馬布里綜合征和歌舞伎綜合征，患有此類疾病的患者都表現(xiàn)有典型的面部特征。
研究人員用3萬張患有此類罕見疾病的人的頭像照片訓(xùn)練了該模型?！敖Y(jié)合面部分析，就有可能篩選出出決定性的遺傳因素，并對相關(guān)致病基因進(jìn)行優(yōu)先排序?！笨死S茨參與了這項(xiàng)研究?！昂喜I的數(shù)據(jù)可以減少數(shù)據(jù)分析時(shí)間并提高診斷率?！?/p>
他們的研究結(jié)果表明，在人工智能的幫助下，醫(yī)生可以更準(zhǔn)確地識別罕見病。通過使用這種方式，主要致病基因識別準(zhǔn)確率提升了20%至89%，而前十位的準(zhǔn)確率則提高了5%至99%。利用這種技術(shù)，臨床醫(yī)生可以對罕見病患兒進(jìn)行“早診斷”和“早治療”。
5.人工智能協(xié)助臨床正確評估植物人恢復(fù)意識的可能
臨床醫(yī)療保健領(lǐng)域中的最棘手的難題之一就是如何處理處于昏迷或植物人狀態(tài)的患者。雖然根據(jù)醫(yī)生建議，親屬可以評估決定是否終止生命支持計(jì)劃。然而，這個決定涉及到諸多復(fù)雜因素，如延長病人生命同時(shí)也伴隨痛苦的延長，家庭和醫(yī)保的巨額支出等。在這種情況下，人工智能可以發(fā)揮重要作用，幫助各方做出更明智的決策。通過正確預(yù)測，即使在醫(yī)生得出不太可能的康復(fù)結(jié)論后，仍有可能幫助患者恢復(fù)意識。
根據(jù)報(bào)道，由中國科學(xué)院和解放軍總醫(yī)院聯(lián)合開發(fā)的人工智能系統(tǒng)，在預(yù)后評估方面的準(zhǔn)確率達(dá)到了約90%。該軟件通過分析腦部掃描數(shù)據(jù)，能夠重新評估醫(yī)生的診斷決策。
在7個醫(yī)生認(rèn)為患者無法恢復(fù)意識的病例中，人工智能做出了截然不同的判斷。事實(shí)上，這些患者在腦部掃描后的十二個月內(nèi)蘇醒。該研究的第一作者宋明博士表示：“我們的AI能夠觀察到人類肉眼無法察覺的現(xiàn)象?！?/p>
對患者的評估是通過采用功能磁共振成像技術(shù)進(jìn)行大腦掃描來完成的，然而，神經(jīng)活動的快速變化會對醫(yī)生的評估造成一定的困擾。與之相對應(yīng)的是，機(jī)器學(xué)習(xí)算法能夠察覺到代表持續(xù)恢復(fù)的微小變化，這為醫(yī)生及親屬在處理這類病人時(shí)提供了更為明智的決策依據(jù)。
6.協(xié)助阿爾茨海默氏癥狀早期診斷
阿爾茨海默癥作為一種神經(jīng)退行性疾病，通常在癥狀顯現(xiàn)后患者才能被確診。這些癥狀包括但不限于記憶力減退、性格改變以及抑郁，給患者的正常生活造成嚴(yán)重影響。為了從另一角度研究阿爾茨海默氏癥的診斷指標(biāo)，本杰明·弗蘭克博士與舊金山加州大學(xué)的研究團(tuán)隊(duì)訓(xùn)練了一種人工智能模型。
為了訓(xùn)練該模型，研究人員采用了FDG-PET掃描技術(shù)，一種專用于研究腦細(xì)胞代謝活動的方法。他們利用包含1002名患者共計(jì)2100多張F(tuán)DG-PET大腦圖像的數(shù)據(jù)集來訓(xùn)練人工智能識別與阿爾茨海默病相關(guān)的代謝模式。結(jié)果非常地不可思議，在隨后的測試中，人工智能以100%的靈敏度檢測到病情，比最終診斷平均早發(fā)現(xiàn)六年多！
該研究的合著者 Sohn 博士表示：“如果我們能夠更早地發(fā)現(xiàn)它，那么研究人員就有機(jī)會找到更好的方法來減緩甚至停止疾病的進(jìn)程?！?/p>
7.通過觀察眼睛來判斷心臟病發(fā)作風(fēng)險(xiǎn)
這是人工智能在圖像分析領(lǐng)域又一重大突破。Google 研發(fā)團(tuán)隊(duì)通過深度學(xué)習(xí)AI模型，提供了超過 280,000 名患者的數(shù)據(jù)進(jìn)行了訓(xùn)練，該模型可自動檢測出提示慢性心血管疾病風(fēng)險(xiǎn)的癥狀。
傳統(tǒng)方式，為了評估這些風(fēng)險(xiǎn)，醫(yī)生需要通過人工檢查視網(wǎng)膜、做血液測試以及綜合考慮年齡體重等其他因素。如今，人工智能在經(jīng)過大量的數(shù)據(jù)學(xué)習(xí)后，已基本掌握在視網(wǎng)膜圖像中尋找關(guān)鍵特征的方法。
該技術(shù)有朝一日應(yīng)用于臨床將會讓無數(shù)患者受益，這在每年全球約1700萬人死于心血管疾病的嚴(yán)峻形勢下意義重大。它可幫助醫(yī)生及患者進(jìn)行快速的篩查測試，評估風(fēng)險(xiǎn)，并采取相應(yīng)的預(yù)防措施。
8.人工智能協(xié)助患者進(jìn)行住院前評估
近日，Bering Research 與英國薩默塞特 Axbridge 外科診所的全科醫(yī)生聯(lián)手開展了一項(xiàng)試點(diǎn)項(xiàng)目。該項(xiàng)目已成功部署了一種算法，該算法具備預(yù)測患者是否需要入院的能力，并在為全科醫(yī)生提供幫助的同時(shí)降低風(fēng)險(xiǎn)。
根據(jù)潛在的健康狀況、血壓升高或吸煙習(xí)慣等因素，人工智能會以百分比形式進(jìn)行分?jǐn)?shù)分配。分?jǐn)?shù)越高，患者入院治療的必要性就越大。這項(xiàng)技術(shù)的目的在于，讓全科醫(yī)生能夠更早地進(jìn)行干預(yù)，準(zhǔn)確地預(yù)測患者入院情況，并為醫(yī)院提供資源分配的參考。盡管這些發(fā)現(xiàn)為全球數(shù)百萬患者帶來了福音，但我們?nèi)孕璞３种?jǐn)慎。所進(jìn)行的實(shí)驗(yàn)需要在更大范圍進(jìn)行驗(yàn)證和重復(fù)，同時(shí)還需要考慮其他影響因素如合并癥等。
不過這也確實(shí)表明，人工智能不僅能夠在治療患者方面發(fā)揮重要作用，還能夠在識別風(fēng)險(xiǎn)以及采取前所未有的預(yù)防措施方面造福于人類。
Copyright ? 2022 上?？评讜狗?wù)有限公司 旗下「智慧醫(yī)療網(wǎng)」版權(quán)所有 ICP備案號：滬ICP備17004559號-5
