首页 > 搜索引擎 > 正文

深度综述:“人工智能+医疗”的履行现状与未来睁开

光阴:2019-05-17 09:07:14 来源:新浪科技综合 评论:0 点击:0
      人工智能(AI)正在阅历爆炸式增长,影响着很多行业,也正为医疗健康行业带来一场全新反动。“AI+医疗”成为热门领域,在学界、工业界和监管机构中都引发了极大存眷。

  今日,广州医科大学第一附属病院院长何建行传授与加州大学圣地亚哥分校(UCSD)人类基因组医学研究长处处张康传授在最新一期《Nature Medicine》上发表了一篇深度综述,梳理和预测了AI技术在医疗健康领域的履行现状与未来睁开。咱咱咱们整理了这篇综述中的精彩内容,以飨读者。

▲何建行传授(左)与张康传授(右)(图片来源:两位学者所属科研院所)▲何建行传授(左)与张康传授(右)(图片来源:两位学者所属科研院所)

  AI在医疗领域的现状

  “AI+医疗”指的是人工智能颠末过程机械学习、表征学习、深度学习和自然语言处理等各种技术,利用计算机算法从数据中获得信息,以协助制定临床决定为目标,实指ㄖ锒稀⒘品ň裨瘛⑽O赵げ狻⒓膊分诊、削减医疗事故和提高效力等一系列功效。

  在医疗健康领域,AI发挥重要影响的应用将涵盖四大偏向:诊断,治疗,生齿健康办理,监督和调控。

▲“AI+医疗”潜在应用的四大偏向 (图片来源:根据《Nature Medicine》图片修改)▲“AI+医疗”潜在应用的四大偏向 (图片来源:根据《Nature Medicine》图片修改)

  研究职员预测了基于AI的技术在临床履行应用的几种办法。

  首先是作为分诊和筛查对象,实践上可以或许低落医疗体系的压力,把资源分派给最必要医疗帮助的患者。例如,颠末过程深度学习,AI对象可以或许检查视网膜图像,确定哪些患者有致盲性眼病并实时转诊给眼科医生。另有英国Babylon公司开拓的一款移动应用,可以或许和用户间接互动的聊天机械人,实质上便是基于AI的分诊对象,用于区分患者是否必要找医生做进一步检查。

  AI技术还可以或许或许在一些实践上不复杂但光阴紧、耗人力的任务上作为替代人手,让医疗工作者可以或许或许去处理更复杂的任务。例如,主动化阐发射线成像,估测骨龄;主动化阐发光学相干断层扫描(OCT)影像,诊断可以或许或许治疗的视网膜疾。主动化阐发心血管图像,量化血管狭窄和其余偏向,等等。

  最能表示AI价值的办法或许是让AI辅助专业医师。让临床医生与AI结合,发生1+1>2的协同效应,支撑实时的临床决定,助力精准医疗。

  临床实践履行AI技术的关键议题

  虽然医疗相干的AI技术赓续实现打破,但把技术“转化”为真正履行于临床的应用,目前还存在一定距离。要真正实现“产业化”,必要获得大批量数据,把AI嵌入实实牧俅补ぷ流程,并共同监管框架。研究职员认为,必要解决如下几大成就。

  数据同享

  不管是对AI的初始训练还是对算法的验证和改良,数据都是中央依靠。目前,像Cardiac Atlas Project,放射学视觉概念提取挑衅赛VISCERAL(Visual Concept Extraction Challenge in Radiology),英国生物样本库“UK Biobank”和Kaggle数据科学杯赛 (Data Science Bowl)等国际项目,供给了成像和非成像数据的大规模数据集。不过,研究职员认为,要在医疗健康领域更普遍的采纳AI技术,数据同享的程度还必要进一步加大。

  数据和算法的精确性和透明度

  透明度触及多个层面。例如在监督式学习中,预测精确性很大程度上依赖于输入到算法中的注释的精确性。大批(上万至十万级)高品格标注好的数据是算法精确性的基本条件,也是稀缺资源。另外输入数据的标签透明度对评估监督式学习算法的训练过程是否精确起到关键感化。

  透明度还影响到模子的可解释性,也便是让人类可以或许或许懂得或阐释特定预测或决定所发生的逻辑。应用于医疗的AI技术必要打开“黑箱”,有足够的透明度来评判诊断、治疗建议或预测结果的正当性。

  透明度的另外一个重要原因在于,AI技术可能存在算法偏差,会放大种族、性别或其余特征构成的歧视。训练数据的透明度和模子的可解释性使咱咱咱们可以或许检查潜在的偏差。抱负环境下,可以或许用算法解决算法偏差,如果设计时可以或许根据已知的偏差做出弥补,甚至可以或许颠末过程机械学习来解决群体之间在健康上的遗传和生物差异。

  患者的平安

  问责轨制是与患者平安无关的一个重要成就。当AI技术对咱咱咱们的身体构成伤害时,谁应该为此卖力?无疑,AI技术将改变传统的医患相干。多国政府和WHO的监管机构正在做出极力,试图在掩护患者平安和增进技术创新之间获得微妙的均衡。

  数据模范化

  鉴于医疗保健数据的复杂性和大规模,AI技术要有用利用各种办法收集的数据,在初始开拓阶段就应做好数据模范化的工作,将数据转化为在分歧对象和办法中都能被懂得的通用格式。

  典型的临床工作流程由多个部分构成,对互操纵性提出了请求。以AI辅助放射学为例,用于检查操纵的算法、研究优先级、特征阐发和提取,和主动化天生申报,可能是由分歧的供给商供给的产品,算法之间必要创建一套工作流互操纵性模范停止整合,并让算法可以或许在分歧设备上运行。如果不尽早优化互操纵性,AI技术实际应用的效果会遭到严重制约。

  嵌入现有临床工作流程

  医学数字成像与通讯(DICOM)模范和医学影像存档与通讯体系(PACS)为数据办理供给的同等性平台使医学影像发生了反动性巨变,类似的模范也应该应用到AI技术,开拓同一的定名,便利数据的存储和检索。

  例如,以实现临床转化为偏向的快捷健康互操纵资源(FHIR)框架便是目前全世界规模内疾速睁开的一套模范,基于一系列被称为“资源”的模块化组件来构建。这些资源可以或许或许很容易地组装进工作体系,便利在电子病历、移动端应用程序、云通讯等之间停止数据同享,这对付未来AI技术在医疗保健领域的实行至关重要。

  经济考量和人才网网装备的成就

  研究职员分外提出,鉴于临床决定的复杂性和潜在的滥用后果,在医学领域履行AI技术必要统统好处相干者的积极介入,在医生、医疗效劳供给者、数据科学家、计算机科学家和工程师之间构成相同和合作。

  评估平安性和有用性的政策和监管环境

  美国FDA在2017年7月推出数字健康创新行为计划(Digital Health Innovation Action Plan),对医疗软件提出监管新举动,在此基础上,已经有一些AI技术取得了FDA同意。例如,第一款获得FDA同意应用AI的医疗设备——“自立”诊断体系IDx-DR,用AI算法为患者主动检测是否出现轻度糖尿病视网膜病变(DR),根据筛查结果供给是否必要转诊给眼科专家的建议,适用于下层医疗机构。这款AI产品的上市过程便是走了FDA针对低到中度危险的“De Novo从新分类”途径,并取得了打破性产品(Breakthrough Device)资格。

  别的,FDA启动软件预认证计划,着重审查软件技术开拓商而非单个产品,改技术获得办法,将资源会合在高危险的产品上。

▲FDA对医用自力软件的预认证概念图(图片来源:根据《Nature Medicine》图片修改)▲FDA对医用自力软件的预认证概念图(图片来源:根据《Nature Medicine》图片修改)

  欧盟从2018年5月正式履行《通用数据掩护条例》(General Data Protection and Regulation,简称GDPR),此中规定,国民有获得算法决定解释的权利。这意味着,在医疗健康领域中实行AI技术时,任何小我数据的收集都必需获得知情同意;收集之后,供给数据的患者应有检查收集数据用途和删除数据的权力。研究职员等待GDPR的履行可以或许增进"大众相信和患者介入,从而在长期上增进AI技术的实小

  中国也是全球AI舞台上的重要介入者。AI技术成为实现医疗资源公平的重要机遇之一。2017年7月国务院印发《新一代人工智能睁开计划》,2018年4月国务院办公厅印发《对付增进“互联网+医平】”睁开的意见》,明白勉励在医疗保健领域大力睁开人工智能等技术应用。

  实际临床实践中,在肺癌、食道癌、糖尿病视网膜病变等疾病的诊断对象和病理学检查的诊断辅助中,AI技术已经有履行应用的案例。在新疆喀什第一国民病院及其卫生网点引入的协助诊断与筛查体系便是一个基于AI技术的胜利案例,采纳视网膜照片来筛查和诊断糖尿病视网膜病变、青光眼、老年性黄斑变性等致盲眼。端结果证明了AI诊断的高精确性。

  未来睁开

  研究职员预期,放射学、病理学、眼科学和皮肤病学等将是最先实现AI技术转化的临床领域,这些重要基于影像的领域得当训练AI技术实现主动阐发或诊断预测。而在必要整合多种范例数据的领域(例如内科)或以手术程序为必要构成的领域(例如外科专业),AI技术可能必要更长的光阴能力融入实际应用。但总的来说,全体医学领域,AI相干的应用研究正在飞速睁开。

  研究职员也提醒,虽然AI技术有望提高临盆力,但它咱咱们和创造它咱咱们的人类一样并非相对靠得住,研究者、开拓者和决定制定者都有必要以批判的眼光评估和履行AI技术,记住它咱咱们的局限性。

文章排行榜更多
最近更新更多
友情链接:金刺猬文学社  新民通讯-追踪大时代的全球资讯  岳阳出版社新闻网  万达国际学院  河南省教育信息  佛山培训新闻网  比思論壇_www.bipics.net-港台綜合性美文吧  IT技术网  量海科技新闻网  口腔医学网