业界 | 心力衰竭患者的福音,IBM 利用 AI 技术帮助病人提前确诊

近几十年,心脏病是导致美国人死亡的主要因素,所以患有心脏衰竭 (Heart Failure) 的美国人越来越多一点也不奇怪。预计到2030年,确诊患有心脏衰竭的美国成年人将会增加46%,这意味着患病人数将达到八百万,一半左右的人在确诊五年内死亡。

( AI 科技评论按:心力衰竭简称心衰,是指由于心脏的收缩功能和/或舒张功能发生障碍,不能将静脉回心血量充分排出心脏,导致静脉系统血液淤积,动脉系统血液灌注不足,从而引起心脏循环障碍症候群)

心脏衰竭很难早确诊,在美国国家卫生研究院 (National Institutes of Health) 帮助下, IBM Research 的一个科学家团队联合 Sutter Health 的科学家与 Geisinger Health System 的临床专家,利用基于电子病历 (Electronic Health Records) 背后可能隐藏的信息,研究和预测心力衰竭。在过去三年里,利用自然语言处理、机器学习和大数据分析等 AI 最新进展,该团队训练了一个比现今典型诊断早一至两年确诊心力衰竭的模型。这项研究提出了关于训练模型所需数据以及实际权衡等方面的重要见解,并开发了更容易应用在未来模型的新应用方法。

正常心脏和衰竭心脏

来源:美国心脏协会

现在的医生通常会对病人安排心力衰竭测试,并在病历中记录患者心力衰竭的体征和症状。尽管已经做出了最大的努力,但是患者通常是在急性事件接受住院治疗之后,才被诊断出心力衰竭,此时疾病已经对身体造成了不可逆转的渐进性器官损伤。

该团队的研究重点是,在典型临床诊断的前一年或前几年,通过利用电子病历系统中包含的数据,检测和预测出病人患有心力衰竭的风险有多大。

为了实现他们的目标,应用自然语言处理和机器学习方法,该团队开发和应用了几种认知计算和 AI 技术来分析项目中的患者数据。

在项目过程中,团队致力于实现一系列目标,得到了一些意想不到的发现,其中包括:

1.第一个目的是了解 Framingham Heart Failure Signs and Symptoms (FHFSS) 用于早期检测的有效性, FHFSS 是临床医生通常用来诊断心力衰竭的传统风险因素。研究者使用自然语言处理技术(NLP),通过解析信息和识别概念(包括富氏风险标准 (Framingham risk criteria) 或其他类型的症状),从非结构化数据(如医生笔记)中提取信息。有趣的是,研究结果显示,28 例原始 FHFSS 体征和症状中,只有6例确定是未来呈现心力衰竭的可靠预测因子。

2.第二个目的是,通过将医生笔记的非结构化数据与结构化电子病历数据相结合,确定能否更准确地预测心力衰竭。为此,团队应用机器学习方法来构建考虑变量组合的预测模型。研究结果显示,与 FHFSS 联合使用时,收集在电子病历中的其他常规数据类型(如疾病诊断,药物处方和实验室检查)可能是预测患者心力衰竭发作更有用的预测因素。

以上显示了心力衰竭预测研究的模型图,该模型可比当前手段早一到两年确定心力衰竭。

使用纵向电子病历数据(EHR),研究者在观察期中提取和分析了各种结构化和非结构化数据类型,其中索引日期代表可以进行预测的最早日期,预测期( prediction window )指的是传统手段诊断前,模型能够做出预测的一个时间段。

在帮助检测个体心力衰竭的可能性方面,研究还使团队深入认识到特定数据类型与实用性之间的权衡。例如,当使用更多样化的数据类型时,模型的性能得到了改善,其中诊断、用药遗嘱和住院数据三者之间的两两组合是最重要的数据类型。利用知识驱动的药物和诊断本体,将变量概括为更高层次的概念,并开发出数据驱动的方法来识别和选择最显着的变量,创建出更小和更强大的变量子集。最终,团队开发出性能和实用性都优良的预测模型。

这从临床的角度来看至关重要,因为模型中使用的患者因素可能超过了1000个,但是没有医疗保健专业人员希望输入如此多的变量。对于训练有效预测疾病模型所需数据的最低数量和类型,这些研究成果提出了可实现的指导方针。去年11月,发表在 Circulation: Cardiovascular Quality and Outcomes 的一篇论文 (“Early Detection of Heart Failure Using Electronic Health Records”) 和另一篇论文 (“Learning About Machine Learning: The Promise and Pitfalls of Big Data and the Electronic Health Record”) 记录了这一研究的其他实际意义。

以上三方将继续合作,进一步推进目前的研究结果。这项工作令人振奋的一面是,它有适用于其他疾病的潜在可能性。大数据的可用性联合革新的认知计算,有望令临床诊断和早期疾病检测方面取得重大进展。

原文发布于微信公众号 - AI科技评论(aitechtalk)

原文发表时间:2017-04-09

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏新智元

机器学习改善癌症诊疗,人工智能革新医药产业

某些癌症100% “攻克”已不再是遥不可及的梦想,人工智能将革新医药产业运作方式。 假设你点击“确定”,系统在 5 次中只有 1 次真正确定,剩下 4 次都弹...

3239
来自专栏ATYUN订阅号

斯坦福开发新算法CheXNet,能比放射科医生更好地发现肺炎

在人工智能可以比人类做得更好的清单上,现在可以加上“诊断出危险的肺部疾病”这一事项了。斯坦福大学的研究人员在arXiv发表了一篇新的论文,解释了他们开发的卷积神...

2895
来自专栏BestSDK

IBM识别癌变细胞技术取得重大突破,用深度学习与神经网络重塑病理学

医生在诊断癌变细胞时,主要通过用活组织切片检查法分析病人组织样本的方式。然而即使这些组织有时如针头般微小,病理学家需要从中检测出肿瘤细胞消失的种种迹象,也要观测...

2945
来自专栏AI科技评论

动态 | 清华大学Thinker团队在VLSI 2018发表两款极低功耗AI芯片

清华大学 Thinker 团队在VLSI会议上发表了两款极低功耗 AI 芯片(Thinker-II 和 Thinker-S)的相关论。Thinker-S 芯片还...

1134
来自专栏机器人网

真的!人工智能可以预测死亡时间

使用人工智能来预测患者死亡的时间听起来像反乌托邦科幻电视剧“黑镜”中的一幕。但是斯坦福大学的研究人员认为,AI 的这个用途,可以给医生和病人及早地开始必要的临终...

3486
来自专栏新智元

【诺奖级论文】大脑GPS:寻路神经系统如何导航

作者:May-Britt Moser和Edvard I. Moser在位于挪威特隆赫姆的挪威科技大学担任心理学系教授。他们在2007年共同创立了卡夫利科系统神经...

2549
来自专栏思影科技

JAMA DWI研究:遗传认知能力和精神病理学与大脑白质特性的联系

最近,挪威精神疾病研究中心的Dag Alnæs、Tobias Kaufmann等人在JAMA Psychiatry上发文,研究了儿童和青少年的白质纤维束属性与其...

31712
来自专栏新智元

【谷歌AI以眼识心】超越人类医生,从视网膜图像识别心脏病

新智元报道 来源:Google blog、DeepMind 编辑:闻菲、常佩琦、艾霄葆 【新智元导读】谷歌大脑研究人员刚刚在官博上宣布了他们的最新研究成...

35315
来自专栏新智元

全球十五年脑神经研究并未作废,人工智能大国竞争继续

【新智元导读】日前有媒体报道,一篇PNAS论文的发现让“15年的脑神经科学研究作废”。脑科学正是大国竞争之地,相关研究也与人工智能发展联系紧密,该结果真的具有这...

4016
来自专栏吉浦迅科技

如何运用 GPU 分析细胞,减少不必要的摄护腺癌活体组织切片

每年在北美洲约有130万人接受活体组织切片,以判断他们是否罹患摄护腺癌。这些只是遵照医嘱进行多次检测,以查证是否有癌症病状,但其中许多病历最后证明是无需进行切片...

2897

扫码关注云+社区