维戈塞尔塔VS维拉利尔

加入收藏 | 設為首頁 |      中文 | English

咨詢熱線: 028-85121781

當前位置:首頁 > 新聞資訊 > 行業新聞 人工智能可快速診斷疾病 但無法取代臨床醫生
人工智能可快速診斷疾病 但無法取代臨床醫生
[ 來源:生物谷   發布日期:2017-09-26 14:43:47  責任編輯:  瀏覽次 ]

    在未來的一些年里,你可能會第一次與醫學人工智能(AI)系統進行互動,能夠自動駕駛汽車、家庭語音助手以及自我標簽的圖片庫的相同技術如今在衛生保健領域取得了快速的發展,而首個醫學人工智能系統(AI)如今已經開始轉向臨床應用了。

    試想一下我們能夠同醫學人工智能進行互動,而且該技術的益處以及我們所面對的挑戰或許都會為我們與非人類的醫療健康工作者的接觸互動做好準備。

   

人工智能如何診斷疾病?

    這些進步背后的技術就是名為深度學習的計算機科學的一個分支,深度學習是一種非常簡潔的過程,其能夠從模板中進行學習來幫助理解數據的復雜形式,并不像此前幾代人工智能,新型的人工智能系統能夠通過視覺、聲音和文字,像人類一樣感知這個世界。

    大多數人認為這些技能是理所當然的,實際上其在人類的專業領域中扮演著非常重要的角色,比如醫學等,由于深度學習能夠賦予計算機這些能力,而很多醫學任務如今都能夠被人工智能所解決。在過去12個月里,研究人員通過研究發現,計算機系統至少能夠和人類醫生一樣,診斷糖尿病性眼疾病、皮膚癌以及心率失常等疾病,這些例子就闡述了患者未來與醫學人工智能互動的三種方式。
    首先第一種方式是最傳統的,并且會發生在需要利用專業設備進行診斷的地方,你可能會預約一個測試,在診所進行并且接受一份報告,而這份報告也會由計算機所撰寫,而患者的經歷將不會被改變。谷歌的糖尿病性眼疾病人工智能系統就是這種方法的一個典型例子,其能夠被訓練去識別糖尿病控制不佳患者眼睛背后所出現的脆性泄露血管,而且這種人工智能系統目前正在一些印度醫院中被真正的病人所使用。
    第二種與醫學人工智能系統互動的方法或許具有一定的顛覆性,因為很多診斷任務根本不需要任何特殊的設備,斯坦福的研究人員開發樂一種皮膚癌檢測器,其能夠同皮膚科醫生一樣準確診斷皮膚癌,目前研究人員開發出了手機app以供使用。
    不久以后,人們或許能夠實現對自身的皮膚損傷進行自拍,而且能夠現場分析皮膚損傷點,這種人工智能系統正在引領科學家們開發首個app來對人們的健康進行評估,同時并不需要人類醫生介入。
    第三種互動方式介于上述兩者之間,當需要利用心電圖來進行心律檢測時,這些傳感器常常會被整合到廉價的可穿戴技術中,同時還會同手機進行連接,患者通常需要戴上監護儀,記錄每天的心跳,偶爾需要讓醫生看看他們的監測結果,如果發生嚴重事件,而且患者的心率突然發生改變,那么患者和醫生就需要立即注意了。

    很多研究小組目前都正在努力將可穿戴的醫療設備推向到診所中。



人工智能系統的好處是什么?

    這些系統的運行成本非常低,每次診斷的費用僅為一小部分,而且并沒有預約名單,人工智能系統從不疲倦、生病或需要睡覺,其可以通過互聯網連接到任何地方;醫療人工智能能夠為每個人提供可獲得且可負擔的醫療服務。


人工智能系統有什么缺點?
    目前人們最關注的可能是一些不切實際的期待,即圍繞該技術的炒作而衍生的東西,為了培訓一個系統需要大量精心設計且昂貴的數據,而醫生能做的每一項都遠遠超出了該范圍,相反我們也能夠看到狹窄的系統能夠執行未來可預見的單一任務,為了應對這些膨脹的預期結果,我們就需要在這些討論中促進信息互動的聲音。
    醫療數據的隱私也是研究人員所面對的一種挑戰,很多系統不僅是在云端運行的,而且有些形式的有用醫學數據在本質上是可以識別的,比如在該系統分析面部特征用來診斷疾病跡象時,我們并不可能模糊病人的臉部特征,而數據泄露或許是不可避免的,而且會損傷到人工智能系統的可靠性。
    另外一個主要方面就是責任的問題,如果沒有醫生參與疾病診斷的話,誰應該對醫學錯誤負責呢?而且我們甚至無法知道系統為何會出錯?當醫生接受人工智能錯誤的建議時誰又該負責呢?患者權益倡導者,醫生,政府和保險公司正在努力解決這個問題,但目前他們還并沒有很好的答案。

    醫療人工智能時代即將到來,我們也將與人工智能系統進行互動,大部分工作都是看不見的,這就大大降低了患者治療的費用,同時也會提高治療有效性;或許有些會在手臂上進行,通過一個簡單的按鈕來評估機體健康,如今我們所要做的最好的事情就是思考如何應對各種各樣的挑戰,同時為第一次與人工智能的“約會”做好準備。


參考資料:
【1】Google’s AI Eye Doctor Gets Ready to Go to Work in India
【2】Dermatogist-level classfication of skin cancer with deep neural network
【3】Stanford computer scientists develop an algorithm that diagnoses heart arrhythmias with cardiologist-level accuracy

【4】Deep Learning Is a Black Box, but Health Care Won’t Mind

【5】Artificial intelligence won’t replace a doctor any time soon, but it can help with diagnosi


上一篇:Nature 子刊:表觀遺傳學調控或成癌癥治療新靶點
下一篇:年輕人結直腸癌死亡率不斷上升,該怎么辦?
【相關資訊】
·耶魯大學華人學者陳列平團隊在Cell發文,揭示腫瘤免疫逃逸新機制 2019-05-10
·Nature 子刊:表觀遺傳學調控或成癌癥治療新靶點 2018-01-17
·人工智能可快速診斷疾病 但無法取代臨床醫生 2017-09-26
·年輕人結直腸癌死亡率不斷上升,該怎么辦? 2017-08-31
·針對晚期腎癌的靶向藥物表現出治療新希望 2017-06-27
·太空 3D 結構培養癌細胞:似在人體內生長將幫助治癌 2017-06-15
·ASCO | 20年來,人類如何改變了癌癥治療? 2017-06-05
·看工業4.0時代的制藥工廠,太震撼了! 2017-06-02
维戈塞尔塔VS维拉利尔 高频彩开奖官方时间 赛车pk拾开奖历史 江苏体彩虚拟足球e球走势 安卓捕鸟达人修改 瑞典两分彩开奖结果网站 广西11选5走势图表爱乐彩 pc蛋蛋开奖历史纪录 河北十一选五开奖结果一定牛 彩票77安卓 北京11选5走势图 幸运28最快结果参考28 财神捕鱼128