AI 和医生究竟谁才是为健康保驾护航的白衣天使？先来看这几个故事……

来源：IEEE Spectrum

整理编译：Tom R

随着人工智能在医学领域的发展，医生们越来越感受到了来自于人工智能的威胁，这次就让我们来看看在各个领域到底谁更胜一筹。到底是AI厉害还是医生多年的经验和直觉有效呢？

心脏和大脑是人类最重要的发动机和中央处理器，但心血管疾病至今仍然威胁着很多中老年人甚至年轻人的身体健康和生命安全。电影经常会看到主角因为心脏病发作而不幸离开的故事，随着科技的发展那么日益成熟的AI是否能够帮助我们防治这一疾病呢？AI对于疾病诊断、医学影像分析和健康状况预测有着很强的能力，甚至在某些领域超过了医生的诊断手段，让我们来看看第一个故事：

心脏病发作和中风预测——AIbeats！

预测心血管类疾病的发病十分重要，这能极大的提高患者的生存机会和治愈率，但这一问题十分复杂，目前没有很好的解决手段。据报道半数以上的患者在发病前都没有收到一个危险的警告。

科学家们希望利用AI来解决这一问题。通过全英国范围内10年的病历数据作为训练，AI系统可以学会精确地预测哪一位病人会遭受心脏病或者中风。诺丁汉大学的研究人员将这一AI方法与标准的方法作对比，发现AI能检测出比传统方法多355例的心血管疾病（从7404人中预测出了4998人）。

目前通用评估病人发病危险的方法主要依据于美国心脏学会和美国心血管学院制定的评估指南。医生们利用这些指南评估诸如高血压、糖尿病、胆固醇等高危指标和年龄、抽烟等因素来得出对于病人的治疗和预防建议。

而这套AI系统利用了多种机器学习工具对来自全英378256个病历从2005到2015年的数据进行分析，并综合了人口统计资料、医疗条件、处方药史、门诊记录和实验数据等等综合评定。

在实验过程中，研究人员将75%的数据作为训练数据放到机器学习模型中，从中分析出在这十年里遭受过心脏病和中风病人的特征。随后将这些特征应用于剩余25%的数据上来检测是否有足够的精度来预测心脏病和中风的发病风险。同时这25%的数据还在标准方法上进行了测试以便和AI方法进行比较。

利用归一化的概率来表示准确度，标准方法得到了0.728的准确率，而基于机器学习的方法则实现了0.745~0.764的准确率，其中最好的得分来自于神经网络。虽然这个数字听起来不是那么振奋人心，但对于庞大的病人基数来说就变得举足轻重了，模型在总共7404个病历中预测出了4998个可能罹患心脏病或者中风的病人，整整比传统方法高了355人！有了这样的手段，医生们就可以及时为病人调整治疗措施并进行预防检查和必要的药物治疗。

诺丁汉大学的Stephen Weng表示这一AI系统将会迅速从实验室原型进入到临床诊断和预防工作中，提高检查的精度。也许就在五年以内就能实现。

在未来AI可以帮助日理万机的主治医师自动筛查数据库中有发病危险的病人，并帮助医生及时为这些病人制定针对性的解决方案，并为医生提供一些需要特别注意发病危险的病人名单，采取预防措施和治疗手段。目前已有的诊断决策支持系统如果加入这类AI模式识别方案的话将会极大的提高诊断的准确率。

当然，在AI真正进入医生的实际工作之前还需要面临一系列的审查，Weng表示主要的障碍来自于隐私和病人信息的保密问题，计算机所需要处理的大规模数据中包含很多敏感的医疗信息。除了隐私问题，这一系统还需要回答监管者的疑问：“医疗设备是否会自己做出决策，而不是医生！”

(那么，我们是否可以想一想，如果机器学习工具可以自己预测自己可以通过审查的概率有多大呢？:D)

以下是关于这个问题的一些文章：

https://spectrum.ieee.org/the-human-os/biomedical/diagnostics/ai-predicts-heart-attacks-more-accurately-than-standard-doctor-method

https://www.nottingham.ac.uk/medicine/people/stephen.weng

https://www.nottingham.ac.uk/research/groups/primarycarestratifiedmedicine/index.aspx

AI预测疾病不经可以用于成年人的医疗健康，同样对于关爱未成年人的健康成长也大有裨益。对于未成年人甚至儿童的一些综合征可以早发现早治疗，尽量改善患者的症状。而利用AI来预测婴儿未来罹患自闭症危险的应用就是一个很好的例子。

自闭症对于儿童来说不仅会影响社交和智力发育，甚至会影响他们一辈子的生活质量。如何尽早发现，尽早开始进行干预治疗提高治愈效果称为了医学界一直在研究的课题。较早的干预治疗如果可以在儿童大脑可塑性强的时候进行可以收到更好的效果。让我们来看第二个故事：

AI利用婴儿大脑扫描预测自闭症倾向—AIbeats！

22年前研究人员们首次报道了患有自闭症青少年脑容量会增加，随着对更年幼的儿童研究的深入，发现这一异常生长早在孩提时代就已经开始。

现在一个来自于北卡罗来纳教堂山分校的研究团队通过检测儿童大脑的生长变化来预测发生自闭症的危险，并能在24个月大时检测出自闭症的发病危险。算法诊断的准确率达到了81%，这比传统的方法50%的准确率好了很多。这种方法不仅准确率高而且还能在更小年纪的儿童上进行诊断。

研究人员们在婴儿6-12个月的时候没有发现大脑体积明显增大，但却发现后期被诊断为自闭症的儿童大脑表面积增长的很快。大脑表面积的增加和大脑体积的增加在12-24个月的时候有着很强的联系。换句话说，自闭症会使得大脑在最初的12个月扩展面积，而后到24个月的时间内使得大脑的体积增大。

项目研究人员

同时团队还对24个月大的孩子进行行为测试，因为这个年纪的孩子已经可以展示出自闭症的行为，包括缺乏社交兴趣、语言发育迟缓、重复肢体动作等。研究人员发大脑越过量发育的孩子越容易表现出自闭症的症状。

虽然这一新发现证实了早期的大脑变化与自闭症之间的关系，但研究人员们并没有止步于此。他们与计算机科学家合作，利用大脑扫描图片训练算法，并测试这是否可以作为预测儿童未来是否患自闭症的依据。算法通过采用大脑容量、表面积和性别等三个变量，实现了高达80%的准确率。

研究人员利用了两种训练方法对算法进行了训练，并比对结果。一种是将数据均分成两份，一份训练一份测试；另一种是将数据分为10份，随后在其中9份上训练1份上测试，交叉进行10次并将十次测试结果综合。

实验结果表明两次测试的结果相同并得到了很好的精度，研究团队希望未来加入更多的变量来增加精度。

虽然这样的检测手段还需要很多的测试才能够被应用于实际中，但这对于儿童自闭症的预测有着重要的效果。在和基因检测等诊断方式结合的情况下，医生可以通过检测儿童大脑的扫描图像来判断自闭症倾向并及时的介入治疗，提高疗效。

相关参考：

http://compsci.cofc.edu/about/faculty-staff-listing/munsell-brent.php

https://www.cs.unc.edu/~styner/Home.html

https://www.med.unc.edu/psych/directories/faculty/heather-hazlett

http://www.ibis-network.org/

http://www.nature.com/articles/nature21369

https://www.ncbi.nlm.nih.gov/pmc/articles/PMC3913013/

http://www.guduzheng.net/Renshi/

现在很多人大概都有上网寻医问药的经历，甚至身体不舒服了上网搜索解决办法也成为了很多人的第一选择，特别是在看病难看病贵的地区更是如此。即使在美国，据了解也大约有1/3的人有网上就诊的经历。为了解决这一痛点，很多人开发了根据症状进行全科诊断的app，但这样就诊的效果到底如何呢？让我们开看看这个人类完胜的故事：

临床全科诊断——人类 beats！

最近研究表明app的检查准确率比人类医生低了很多。研究人员们比较了234位医生和app对于疾病的诊断结果，研究表明医生达到了72%的准确率，而APP却只有34的准确率。

虽然人类医生并不完美，但是比起app来说还是靠谱很多。但很多人觉得这一测试并不能反映出AI的真实情况，一方面由于医生是在测试情况下拥有充足的时间进行诊断，另一方面却由于app不能对病人做实际的测试缺乏必要的诊断信息。

但研究人员和评论人员们都觉得，这样的app目的在于帮助医生而不是替代医生，就像IBM的Watson AI一样，帮助医生提高诊断准确率和诊疗效率。要提高精度还有很长很长的路要走。

更多参考内容：

https://spectrum.ieee.org/the-human-os/biomedical/diagnostics/doc-1-apps-0

-END-