AI是如何帮助医生诊断和治疗的

在5月初举行的谷歌大规模开发者大会期间，CEO Sundar Pichai上台详细介绍了其最新的关于人工智能如何有助于医生检测心脏病的研究。更可贵的是，这套AI系统是基于其对患者视网膜扫描，即一种已知的为人类心脏健康分析提供线索的方法的结果可以取得与传统的血液测试几乎一样的精确度。

这是一个令人印象深刻的揭示，同时也引起了加利福尼亚州山景城海岸线露天剧场观众的巨大掌声。但它只是技术和医疗界迅速拼凑在一起的一大部分研究中的一小部分， AI系统最终可以拯救无数人的生命 - 包括你自己的。

AI心脏测试

约翰霍普金斯医学院Osler医学培训项目主任Sanjay Desai博士说：“ 对我来说，这似乎很明显，这是医学应该走向的下一个自然步骤。

Google的眼睛测试使用了一种称为机器学习的AI技术形式，它试图教授计算机系统如何通过将大量数据提供给算法来做出决定。

要做到这一点，谷歌提供了正常显示视网膜和心脏病迹象的人的算法图像，这种方法称为计算机视觉。在训练算法后，它能够查看视网膜的个体图像并确定它们是属于健康患者还是属于可能患有心脏病的患者。

谷歌以前使用机器学习来证明它可以识别有糖尿病视网膜病变风险的个体，如果不及时治疗，这种疾病会导致不可逆转的失明。该算法训练完毕后，该搜索巨头称其机器学习系统与经过培训的眼科医生一样准确识别疾病的征兆。另一种机器学习算法可以识别乳房组织中的肿瘤。

比照片更强大

计算机视觉技术在成像中可能非常有用，但它远非研究人员在医疗领域使用人工智能的唯一方式。

在斯坦福大学医学院，Josh Knowles博士正在使用患者的电子健康记录（EHR）来识别先前未诊断出患有家族性高胆固醇血症（FH）的个体，这是一种遗传性心脏病，每250人中就会出现1人，并导致很高的早发性心脏病的几率。

据Knowles称，美国约有100万人有FH，但只有10％被确诊。

“这个项目背后的想法是，我们知道有很多FH患者......还没有被诊断出来。但是如果我们找到它们，我们可以治愈它们，“诺尔斯解释说。

FH是一种常染色体显性遗传疾病，这意味着如果你有它，你从父母那里继承了它，并且可以将它传给你的孩子。因此，确定一名患者可以让医生帮助多个家庭成员。

为了确定是否有人患有FH，诺尔斯说，斯坦福大学的研究人员将包括文本笔记，处方，诊断测试和药物治疗在内的FH个体的整个病历记录到分类算法中，该算法使用这些数据来识别与FH患者一致的识别模式。

“这就像你的电子邮件系统了解垃圾邮件是什么，”Knowles解释说。“你只是展示了一堆垃圾邮件的例子，它就知道垃圾邮件是什么。”

诺尔斯说，研究人员随后将算法确定为可能患有FH的那些个体的图表拉下来，并发现系统在诊断患者时与人类一样好。

“你可以想象这中反馈会发生在许多潜在的重要条件，而不仅仅是FH，”诺尔斯说。

预测患者反应

在克利夫兰诊所，研究人员和医生正在使用机器学习来预测某些患者的健康状况。

克利夫兰诊所的企业信息管理和分析执行总监Chris Donovan 解释说：“我们正在帮助确定高风险患者。” “那么，有哪些患者有被入院的风险，哪些患者有护理病情恶化的风险，或者他们的临床状况如何，我们如何主动干预这些患者的健康状况。”

医院也在研究如何使用机器学习来确定某些患者是否适合进行特定类型的手术。

“通过20年的研究和多项随机对照试验，您将所有变量都分离出来，然后根据变量进行分析，以确定不同的变量对最终的结果是否会影响或不影响，我们仍然知道我们不是很善于选择谁将有一个好的结果，或挑剔谁会是一个更好的词，谁将会有一个好的结果，谁不是，“多诺万说。

指导治疗

Desai说，在约翰霍普金斯大学，人类诊断项目正在完成工作，以确定医生如何做出决定并治疗患者。根据其网站，该项目是“由全球医学界创建并领导的全球性努力，旨在建立一个开放式的智能系统，映射帮助任何患者的步骤。”

“我们现在正在努力的是试图了解医生如何在当今的环境中用所有的数据做出决定，”德赛解释说。“我们试图与被认为是主要临床医生的人坐在一起，实际交谈并试图了解他们如何解决病例。”

最终，这样的项目可以让世界各地的医生更好地了解如何成功治疗任何疾病患者。

一个假人医生？

有研究表明，医生并没有积极使用AI或机器学习来诊断现实世界中的患者。相反，他们正在测试，看看未来如何使用该技术来告知医生的决定。换句话说，不要去当地医生的办公室要求一台机器来诊断你的流鼻涕。

“我认为有很大的潜力。我认为还有很长的路要走，“多诺万说。“我认为有很多炒作。你知道今天你可以使用AI来治疗癌症的想法真是太夸张了。但为了改善我们的工作方式，我们的工作是巨大的。“

然而，当技术充分最终在行业被充分应用时，我们会告别血肉相投的医生吗？据Knowles称，这种情况极不可能。

在实践层面上，这些算法的设计只考虑一个目标：为一个非常具体的问题确定一种条件或治疗方法。他们没有现实生活中医生通过多年的学习和培训积累的机构知识水平。

而在更为人性化的层面上，医生有能力与患者讨论问题并体谅他人。

“对于医学而言，诊断放射性图像还有很多。这真的是医患关系，或提供者患者关系，“他说。“更重要的是，你知道，重视和理解人们的需求，以及情感上的联系和事物，而且我认为电脑不会取代我们的位置。”

人工智能无疑将成为我们未来生活的一部分，类似于现在计算机如何成为我们生活中的重要组成部分 - 但不要指望它会很快替代您的家庭医生。