“人工智能(AI)通过对人类专家难以掌握的大量数据进行分析和分类,具有革新疾病诊断和管理的巨大潜力张康医学博士说,他是Shiley眼科研究所的教授,也是加州大学圣地亚哥医学院基因组医学研究所的创始主任。
目前的计算方法既费力又昂贵,需要使用数百万张图像来训练人工智能系统。在他们的新论文中,张和同事们使用了一种基于人工智能的卷积神经网络,对20多万次通过光学相干断层扫描进行的眼部扫描进行了回顾。光学相干断层扫描是一种非侵入性技术,通过反射视网膜的光线来创建组织的二维和三维表征。
研究人员随后采用了一种称为迁移学习的技术,在这种技术中,计算机将解决一个问题所获得的知识存储起来,并将其应用于不同但相关的问题。例如,一个人工智能神经网络优化后可以识别眼睛的离散解剖结构,如视网膜、角膜或视神经,在检查整只眼睛的图像时,可以更快、更有效地识别和评估它们。这使得人工智能系统能够在比传统方法小得多的数据集的情况下有效地学习。
接下来,研究人员增加了遮挡测试,计算机可以在每幅图像中识别出最感兴趣的区域,并据此得出结论。“机器学习经常像一个黑盒,我们不知道到底发生了什么,”张说。“有了咬合测试,计算机可以告诉我们它在图像中的位置,从而得出诊断,所以我们可以弄清楚系统为什么会得到这样的结果。这使得系统更加透明,并增加了我们对诊断的信任。”
这项研究集中在两个不可逆转的失明的常见原因:黄斑变性和糖尿病黄斑水肿。然而,如果早期发现,这两种情况都是可以治疗的。研究人员将机器诊断结果与五名眼科医生的诊断结果进行了比较,这五名眼科医生查看了相同的扫描结果。除了进行医疗诊断外,人工智能平台还生成了以往研究中没有做过的转诊和治疗建议。
作者指出,只要进行简单的训练,该机器就能像训练有素的眼科医生一样,在30秒内就能决定患者是否需要转诊治疗,准确率超过95%。张说,这样的速度和准确性将代表着医疗诊断和治疗向前迈出的一大步。他指出,目前的医疗保健往往很长,因为病人要从普通医生转到专家那里,这既浪费时间又浪费资源,还耽误了有效的治疗。张还指出,一种简化的、相对便宜的基于人工智能的工具将成为世界上医疗资源(尤其是专家)稀缺的地方和部分地区的福音。
科学家们的研究并不局限于眼病。他们还测试了人工智能工具在诊断儿童肺炎方面的能力,这是基于机器对胸部x光片的分析,而这是全球5岁以下儿童死亡的主要原因。他们发现,计算机能够区分病毒性肺炎和细菌性肺炎,准确率超过90%。病毒性肺炎的治疗主要是通过对症治疗,因为身体会自然地摆脱病毒。细菌性肺炎往往是一种更严重的健康威胁,需要立即用抗生素治疗。
张说,这些发现表明,人工智能技术有很多潜在的应用,包括可能在扫描上检测到的良性和恶性病变之间进行识别。科学家们已经公开了他们的数据和工具,以便其他人可以进一步改进、完善和开发其潜力。张说:“未来会有更多的数据、更多的计算能力和更多使用该系统的人的经验,因此我们可以在保持成本效益的同时,为病人提供最好的护理。”
来源:加州大学圣地亚哥分校