人工智能+辅助疾病诊断,提高了医疗服务质量和预后

AI辅助疾病诊断

实际上,诊断就是数据分析过程,从基因序列到影像图片分析,病人会产生大量数据,机器学习应需而生。通过AI分析技术与机器学习相互结合,极大地提高了医疗服务质量和预后。

临床上,常规病理诊断方法需要大量人力成本,结果仍然缺乏质量保证。在AI基础上开发的病理诊断方法更加精确和具有可预测性。许多医疗机构正在尝试利用图像识别技术辅助癌症诊断。

被《MIT科技述评》评为全球最智慧的50家公司之一Enlitic公司,他们利用AI辅助影像诊断,借助深度学习,从海量数据中不断获取诊断特征点。在公共数据集上运用图像识别算法对肺部CT结果进行测试的结果表明,该项技术对肺癌的识别准确率比放射科专家高50%。

Enlitic公司还通过人机协作来提高病理诊断的高效和精确性。例如,在乳腺癌前哨淋巴结转移诊断中,基于AI计算系统的误诊率为7.5%,有经验的病理学家对同一组HE染色切片的误诊率为3.5%,当将AI系统与病理学家相结合后,误诊率进一步降至0.5%,近乎达到了完美无误。Enlitic公司另外一项技术是应用深度学习进行骨骼损伤检查,AI系统从X光片中能够自动识别出骨骼损伤的部位和程度。

AI技术也能为基因治疗提供帮助。DeepGenomics通过遗传信息和临床诊断大数据分析发现遗传信息与疾病的相关性。人类基因组学之父CraigVenter教授创立的“人类长寿”项目,能够为个体提供完整的基因序列,从而进行癌症风险早期预测和评估。

  • 发表于:
  • 原文链接https://kuaibao.qq.com/s/20191022A08IIB00?refer=cp_1026
  • 腾讯「云+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。

扫码关注云+社区

领取腾讯云代金券