专栏首页ATYUN订阅号糖尿病通常被称为“无声杀手”,那么人们可以寄希望于AI吗?

糖尿病通常被称为“无声杀手”,那么人们可以寄希望于AI吗?

编译 | yining

发布 | ATYUN订阅号

IBM研究人员最近宣布了一种人工智能筛查工具,可以识别人体血液中的1型糖尿病抗体。

对于全球数百万患有1型糖尿病的人来说,每天都需要大量的胰岛素,因为他们的胰腺不能产生足够的胰岛素,无法将提供能量的血糖转移到细胞中。从每日胰岛素注射到确保血糖水平符合营养和锻炼计划,糖尿病患者需要对自己的健康保持高度警惕。

根据美国糖尿病协会的数据,仅在美国就有大约125万人患有1型糖尿病,估计每年有40000例新诊断。他们没有标准化的筛查过程可以及早发现病症。

医生通常根据家族史和其他已知的危险因素进行测试,这意味着1型糖尿病可能十分隐蔽。这可能导致突然前往急诊室和意外诊断,更好的筛查测试的发展成为医生的救生优先事项。

训练AI识别筛查

在6月初的美国糖尿病协会第79届科学会议上,IBM和JDRF(领导1型糖尿病研究的非营利组织),推出了一个AI工具,可以绘制血液中1型糖尿病抗体的存在,以确定病症如何发展。团队获取了22000多人的数据,确定了具有该疾病的特异性抗体和1型糖尿病进展时间表的相关性。

“在建立1型糖尿病机器学习模型方面,这种工作的最大潜力之一是能够更好地识别监测人员以及监测他们的频率,”他的团队与JDRF合作开展此项目。“现在,即使是我们所知道的这些抗体,在1型糖尿病的治疗进展中也很普遍,但是没有人知道谁更容易开发它们以及何时发病。”

她说,这些人工智能模型可以为医生提供“更加个性化的截止日期”,用于监控人员以及应该多久检测一次。

根据美国疾病控制和预防中心(CDC)的数据,过去1型糖尿病被称为青少年糖尿病,因为它通常在儿童,青少年和年轻人中被诊断出来。然而,它可以影响任何年龄的人,哥伦比亚大学医学中心的内分泌学家和助理教授Utpal Pajvani说。

Pajvani解释说,一般做法要求只筛选“高风险”的人。这意味着他们有一名被诊断出来的一级家庭成员。鉴于它是如此罕见,他说这不是一个可以保证对整个人口进行筛选的东西。

他警告说,像这样的广泛筛查方法可能会导致很多误报。

“如果你正在筛选一个相对不常见的情况,你最终会得到很多误报。如果你测试所有人,[包括]那些[开发风险相对较低的人]如果没有家族病史或其他自身免疫性疾病,那么鉴定可能对抗体进行阳性检测但患有该疾病的风险较低的人,你将有更高的发病率,“Pajvani告诉Engadget。

用于筛查糖尿病测试的样本血液

对这种罕见疾病进行广泛筛查的风险意味着你也可能让人不必要地担心他们不可能得到的疾病。他补充说,基本上,没有完美的筛选测试,也不可能没有误报。

尽管有这些批评,Pajvani看到了这种技术的未来。糖尿病患者不知道疾病进展的具体情况。他解释说,这种人工智能工具可以为医生提供必要的路线图,用于绘制病情的路线图。

Pajvani表示,她的团队很快将从德国活得更多数据。她补充说,该项目的另一大部分是与医生密切合作,以了解他们如何应用,以及如何将AI收集的数据用于临床研究。

Pajvani补充道。“我希望未来我们的技术可以更好地帮助人们。”

Pajvani说,作为一名临床医生,他还没有看到人工智能从理论落地,进入日常治疗患者的日常工作。她表示,医学机器学习的存在会继续“加速”,而且一些“非常重要”的工作可能会为医生带来不可或缺的工具。

虽然这种AI目前没有提供明确的筛查方法,但它提供了一种途径,可以将机器学习工具更快的用于未来,可以挽救1型糖尿病人的生命。

本文分享自微信公众号 - ATYUN订阅号(atyun_com)

原文出处及转载信息见文内详细说明,如有侵权,请联系 yunjia_community@tencent.com 删除。

原始发表时间:2019-06-21

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。

我来说两句

0 条评论
登录 后参与评论

相关文章

  • 学界 | 神经网络的气宗与剑宗之争:先验强大的网络甚至不需要训练

    AI 科技评论按:深度神经网络中有许多连接权重,这些权重的值对网络表现有巨大影响;通过反向传播可以定向优化这些权重,提高网络的表现,这个过程被称作「训练」;训练...

    AI科技评论
  • 机器学习:岭回归原理分析

    之前我们讨论了许多关于优化的算法,随着模型的优化算法在不断的改进使得模型的学习能力越来越强,那么如果模型的学习能力过强,就会导致模型的过拟合问题,因此今天我们来...

    深度学习与Python
  • Python称霸在即,3年后将取代Java成为最受欢迎开发语言

    Python的6月Tiobe评级为8.53%,比去年同期上升2.77个百分点。目前排在Java和C之后,排名第三。而去年6月坐在这个位置上的是C++。

    新智元
  • Python机器学习数据降维及其可视化

    机器学习在数据分析与挖掘中的应用越来越广泛,随着机器学习模型的不断发展,处理的数据量和数据维度越来越大,衡量模型性能和可视化数据信息变得至关重要。一般来说用于挖...

    深度学习与Python
  • 关于决策树、这些你需要知道

    决策树是十大机器学习算法之一,可用于分类和回归问题。最初的决策树包括ID3和C4.5,后来慢慢发展到随机森林和作为梯度提升算法的基学习器模型,例如GBM算法和X...

    深度学习与Python
  • Normalization vs Standardization:规范化与标准化

    标准化、规范化以及正则化是机器学习中三个常用的数据处理方法,其中标准化和规范化解决不同单位和比例的数据间的差异,用于数据缩放;而正则化主要解决模型的过拟合问题。...

    深度学习与Python
  • ICML 2019必看!87页超强干货博士笔记总结

    6月9日至15日,ICML 2019(国际机器学习大会)于美国加州举行。本届大会共收到3424篇有效投稿论文,最终收录774篇,接收率为 22.6%,低于去年接...

    新智元
  • 算法能拯救烂片吗?好莱坞正用AI决定拍什么样电影

    电影世界充满了耐人寻味的事情。众所周知,Will Smith 拒绝出演 The Matrix 中的 Neo 一角,而 Nicolas Cage 作为 Tim B...

    CDA数据分析师
  • 当sklearn与keras的完美结合,调参原来这么简单

    Sklearn和Keras是大家做机器学习和深度学习时很熟悉的两个Python库,其中sklearn中有很多机器学习算法、数据预处理以及参数寻优的函数API,k...

    深度学习与Python
  • 女神背心变内衣,只需草图画几笔 | 中山+字节跳动等新研究

    前一眼还是金色长发的歪果仁姑娘,在这张图上随意勾勒个帽子形状,下一秒就变成了真实效果,还看不出人为增补痕迹。

    量子位

扫码关注云+社区

领取腾讯云代金券