首页
学习
活动
专区
工具
TVP
发布
精选内容/技术社群/优惠产品,尽在小程序
立即前往

当AI遇上医疗,从“看图”到“识字”

关注精彩内容,请先点 击这里哦~

近年来人工智能技术迅猛发展,但还局限于相对标准化的静态图像数据。在2019年Nature Medicine上发表的最新科研成果中,人工智能在识别影像的基础上,能更进一步读懂、分析复杂的病历文本数据(医生的知识和语言),意味着人工智能或将能像医生一样“思考”,是医学人工智能发展过程中里程碑式进步。

看 图

近年AI在基于医学图像的诊断上一次次超越人类。在放射学、病理学、眼科学、皮肤病学、肿瘤学等影像数据的识别和筛查上,以机器学习为基础的诊断工具表现抢眼。

01

基于皮肤外观图像数据,人工智能皮肤癌诊断达专家水平

2017年,斯坦福大学在Nature上发布一项研究报告,表明人工智能皮肤癌诊断准确率91%,精度已达专家水平。(Nature 542.7639 (2017): 115.)

02

基于病理切片图像,人工智能辅助肺癌分类,识别基因突变

2018年9月,Nature子刊(Nature medicine)上的一项研究利用大量数字化病理切片图像重新训练了谷歌的深度学习算法 Inception V3,AI识别癌组织和正常组织准确率达到99%,区分腺癌和鳞癌的准确率达到 97%,远超前人研究。更令人惊讶的是,该算法能够从切片图像中识别肺癌常见6大基因突变,包括STK11、EGFR、FAT1、SETBP1、KRAS和TP53, 其中 EGFR 突变已有多种靶向疗法,准确率能达到 73%-86%。每个切片的检测时间可以只有几秒钟。(Nature medicine 24.10 (2018): 1559.)

03

基于病理图像和基因甲基化数据,人工智能辅助脑肿瘤精确诊断

2018年3月,Nature重磅发表:通过机器学习程序分析DNA甲基化大数据,获得甲基化指纹,助力脑肿瘤精准诊断。测试1104例前瞻病例,发现88%的病例与已建立的DNA甲基化分类标准匹配,76%的病例的病理学图像和DNA甲基化分析结果一致。这项在脑肿瘤中率先开展的研究也将对其它肿瘤的诊断起到借鉴作用,具有重要的应用前景。(Nature 555.7697 (2018): 469.)

04

基于CT影响数据,人工智能辅助预测免疫治疗疗效

PD-1免疫抑制剂只能在20%-50%的晚期实体瘤病人中发挥作用。受益的患者究竟是谁?目前找到这些患者的手段有限。2018年10月,国际顶尖医学杂志柳叶刀-肿瘤学(The Lancet Oncology )上的发表了一项研究成果,借助人工智能解析CT影像数据,评估肿瘤分子层面的特征,可以实现了对免疫治疗药物疗效进行评估。(The Lancet Oncology (2018): 1180-1191.)

识 宇

医学人工智能实现基于电子病历进行临床智能诊断

2019年2月12日,最新上线的《自然》子刊《Nature Medicine》上,发表了一项激动人心的成果:利用机器学习和自然语言处理等人工智能(AI)技术,研究者从60万名患儿、超过130万门诊人次的电子病历中挖掘出有用的信息数据,建立了一套AI分诊系统。这项系统和人类医生一样,当填写完患者口述和医生体查文本型病历之后,工具可直接阅读医疗病历,自动分析患者病情,智能给出推荐诊断。该研究是医学人工智能里程碑式的突破。这项由广州市妇女儿童医疗中心夏慧敏教授、加州大学圣地亚哥分校张康教授等专家联合完成。这里人工智能不仅能够“看图”识别影像,还能“识字”即读懂病历中的文本信息,对某些疾病的准确度可媲美年轻儿科医生的水平。也进一步印证了人工智能技术在健康医疗的广阔应用前景。(Nature Medicine,doi.org/10.1038/s41591-018-0335-9)

人工智能是未来医疗企业的“兵家必争之地”

2019年2月12日,据国外媒体报道,美国总统特朗普将签署一项行政命令,启动“美国人工智能计划”(American AI Initiative),以进一步填补美国AI发展国家级战略的缺位。该倡议要求联邦政府优先考虑医疗保健和其他领域机器学习的研究和开发,把资金和资源转向人工智能研究,并呼吁制定美国主导的人工智能国际标准等,加速其在人工智能领域的国家领导力,包括五个“关键支柱”:投资AI研发、释放AI资源、制定AI标准、创造AI劳动力、国际合作及AI优势保护,“美国人工智能计划”拉开帷幕。迄今为止,全世界已有18个国家启动了国家层面的人工智能战略。数字从澳大利亚和丹麦的大约2,000万美元到韩国的近20亿美元不等。人工智能在全球各国的战略发展地位不言而喻。

具体到医学人工智能,发展方向也很多。如今多数企业纷纷集中于影像,并不意味着医学AI只能处理影像,而是因为影像数据相对单纯,“参考变量”相对较少,容易获得突破而已。医学影像AI只是是第一步,当医生能将患者的既往病史、基因、身体状况等因素连接在一起,甚至能对患者的未来做出精准的预测,并以此指导患者当前的治疗,这是人工智能为医疗带来的潜在价值。

当前人工智能开始进入医疗领域,逐渐被医生、医院、患者所了解、接纳时,它的商业化问题依然扑朔迷离。上表是目前FDA批准的几项人工智能医疗应用产品。不同时期的企业往往面临着不同的推进路径,如今医疗AI商业化停滞于“提交申请”到“获得申请”的真空期,创业公司们纷纷启程寻找各自的生存途径。行动固然刻不容缓,但对于医疗的基本问题,我们必须深入思考,并以此为路标,避免在发展的途中偏离价值的导向。

关注公众号哦

  • 发表于:
  • 原文链接https://kuaibao.qq.com/s/20190218G11BYX00?refer=cp_1026
  • 腾讯「腾讯云开发者社区」是腾讯内容开放平台帐号(企鹅号)传播渠道之一,根据《腾讯内容开放平台服务协议》转载发布内容。
  • 如有侵权,请联系 cloudcommunity@tencent.com 删除。

相关快讯

扫码

添加站长 进交流群

领取专属 10元无门槛券

私享最新 技术干货

扫码加入开发者社群
领券