AI助手资讯

用超声波粉碎肿瘤，手术只有短短10分钟左右，术后当晚即可进食，两名患者一名达到“肿瘤消除”，一名病情已控制可继续等候移植。近日，这一来自香港大学医学院的消息让十分前沿的超声波组织碎化技术走入公众视野。 超声波在医疗领域的应用已有几十年历史。从消炎去肿、胎儿监测，到清除血管内壁斑块、粉碎肿瘤，超声技术在与其他学科的融合中，不断开拓着医学前沿应用。它的前世今生有哪些故事？在临床治疗和诊断上有哪些最新应用？本期特邀上海医学超声领域专家撰文介绍。 ——编者 超声检查相比于X射线、CT等成像技术，具有无辐射的优势，因此特别适用于需要频繁监测的情况，尤其在孕期观察胎儿方面具有不可替代的优势。产科和妇科也正是超声波最早用于医学诊断的领域。 1958年，苏格兰医生伊恩·唐纳德与同事一起开始探索超声在产科的应用，他们是超声医学成像应用领域的先驱。通过与工程师和技术人员合作，他们利用原本用于船舶货物探测的声呐探测技术，开发出了用于观察胎儿的医用超声诊断技术——它可提供关于胎儿发育状况的重要信息，包括检测与评估胎儿健康、诊断某些并发症。 这些早期实验标志着超声技术在医疗诊断领域应用的开端。随后，超声技术迅速扩展到其他医学领域，如心脏病学（用于心脏的成像，即心脏超声）、泌尿科和内科等，成为一种无处不在的诊断工具。 超声提供的诊断图像具有实时、动态的特点，这对评估身体器官的功能（比如心脏的泵血功能）、监测血流情况至关重要。这种实时成像功能也让超声在引导微创手术和治疗过程中扮演着关键角色。 这一技术的推广应用也对医务人力资源提出了一定要求。超声医生需要掌握如何正确地放置和移动探头（换能器），以获得最佳成像结果。实时成像增加了操作的复杂性。例如，在胎儿监测中，可能需要长时间持续监控，这要求持续不断的专业人员参与。因为需要实时调整和解释图像，医生还得具备解读超声图像的专业知识，尤其在实时成像中对动态过程进行诊断，更需要对相关解剖结构和疾病状态有深入理解。 基于这样的高要求，超声医疗资源供需短缺普遍存在，尤其在边远、欠发达地区更为显著，有经验的超声医生异常短缺。这一短板能否通过新技术来弥补？ 21世纪初，国际空间站项目启动。微重力环境会对宇航员的健康状况造成诸多影响，如肌肉逐渐萎缩、骨质流失速度加快、心脏形状和血液分布改变等。如何在长时间的太空飞行中监测宇航员们的健康状况？由于设备相对轻便，且不产生辐射，超声成为宇航员健康监测和研究的重要工具。 通过远程通信技术，空间站内的宇航员可在地面医生的指导下对自己进行超声检查，然后将相关图像数据发送回地面，供医生进行诊断。这一特殊应用场景便是远程超声技术的早期雏形。 随着互联网和数字成像技术的发展，远程超声已从空间站走向民用医疗并快速发展。远程超声，也称为遥控超声，专家通过网络远程遥控或指导操作人员采集超声图像、查看并协助图像解读。远程超声技术极大提升了偏远地区获取专家支持的便捷性，显著优化了医疗资源的分布，为灾害地区、高危地区等复杂环境下的超声应用提供了有力支持。 尽管远程超声在医疗领域的应用取得了显著进展，但其发展仍受到专家资源及现场操作人员经验的限制。人工智能（AI）与机器学习技术的发展，可提升远程医疗的准确性和可及性。AI系统可提示操作者如何调整探头位置来捕捉最佳图像，甚至自动调整扫描参数，从而降低了对操作者技能的要求。同时，先进的图像处理算法可自动优化图像质量，让千里之外的专家能够更清楚地识别图像并作出更精准的解读。而且，AI还能快速自动分析超声图像，识别异常情况，提供初步的诊断建议，减少医生工作量、缩短人工分析图像所需时间，加快诊断过程，提高诊断准确性。 柔性超声技术是近年来超声技术领域的另一项创新发展。与传统超声设备相比，这种超声系统由可弯曲的柔性材料设计而成，通常被制作成薄薄的贴片或可穿戴设备，以适应人体的各种曲线和形状，更好贴合患者的身体部位，如腕部、颈部或胸部，便于长时间监测。因此，它更适用于怀孕期间胎儿健康检测、心脏病患者连续心功能监测等。 随着粘合材料的不断改进和创新，柔性超声贴片能够牢固地贴合于皮肤长达14天之久。在14天的监测期间，贴片会记录下海量超声图像信息。 复旦大学副校长、信息科学与工程学院电子工程系汪源源教授表示，柔性可穿戴超声将是人工智能赋能生命科学、材料科学、集成电路等领域产业技术变革的重要发力点。当前复旦大学正在围绕AI for Science战略开展前瞻布局和前沿探索，去年上线了中国高校规模最大的云上科研智能计算平台CFFF，利用AI的高效数据处理和分析、自动识别异常数据能力，医生能够为患者提供更加精准的个性化健康建议。 （作者为复旦大学附属中山医院心脏超声诊断科主任医师）

科研猫后台回复「期刊名称」便可获得想要查询的期刊详情，含影响因子、JCR/中科院分区、出版周期、发文量、预警等级、自引率等。 “AI的一些医疗决策，实际上就是抛硬币。” 哈佛医学院的数据科学家Kun-Hsing Yu语出惊人。 他还补充道： 即便比赛中正确率达90%的获奖模型，再用原数据集子集测试时，准确度最多60-70%，可谓惨败。这让我们很惊讶。 上述科学家的观点来自Nature最近新发表的一篇文章。 内容对AI在医疗领域的可重复性提出了质疑，呈现诸多医疗领域及场景中，AI自带的黑箱属性造成的隐患。 更值得关注的是，尽管问题存在，但AI仍在医疗领域大规模推广使用。 举例来看，数以百计的美国医院已在使用一种AI模型标记败血症早期症状，但在2021年，该模型被发现未能识别率高达67%。 所以，AI究竟带来了哪些医疗隐患，如何解决？ 继续往下看。 △ 图源：Nature 人工智能的“看病难” 我们先从哈佛医学院的数据科学家Kun-Hsing Yu发现AI“抛硬币”的始末聊起。 在医疗领域，AI用于诊断检测人体一直质疑声不断，Kun-Hsing Yu此番研究也是希望有个直观体感。 他选定了常见癌症之一的肺癌，每年有350万美国人因该病症去世，若能更早通过CT扫描筛查，很多人可以免于死亡。 该领域的确备受机器学习界关注，为此，2017年业内还举办了面向肺癌筛查的竞赛。 该活动归属于Kaggle的Data Science Bowl赛事，数据由主办方提供，涵盖1397位患者的胸部CT扫描数据。参赛团队需开发并测试算法，最终大赛按准确率给予评奖，在官宣中，至少五个获奖模型准确度90%以上。 但Kun-Hsing Yu又重新测试了一轮，然后震惊地发现，即便使用原比赛数据的子集，这些“获奖”模型最高准确率却下降到了60-70%。 △ 一位参赛者分享的模型结构 上述状况并非个例。 普林斯顿一位博士，Sayash Kapoor，在17个领域的329项研究中报告了可重复性失败和陷阱，医学名列其中。 基于研究，这位博士及自己的教授还组织了一个研讨会，吸引了30个国家600名科研者参与。 一位剑桥的高级研究员在现场表示，他用机器学习技术预测新冠传播流行趋势，但因不同来源的数据偏差、训练方法等问题，没有一次模型预测准确。还有一位研究者也分享了——自己用机器学习研究心理课题，但无法复现的问题。 在该研讨会上，还有参与者指出谷歌此前遇到的“坑”。 他们曾在2008年就利用机器学习分析用户搜索所产生数据集，进而预测流感暴发。谷歌为此还鼓吹一波。 但事实上，它并未能预测2013年的流感暴发。一家独立研究机构指出，该模型将一些流感流行无关的季节性词汇进行了关联和锁定。2015年，谷歌停止了对外公开该趋势预测。 Kapoor认为，就可重复性来说，AI模型背后的代码和数据集都应可用并不出错误。那位研究新冠流行模型的剑桥ML研究者补充道，数据隐私问题、伦理问题、监管障碍也是导致可重复性出问题的病灶。 他们继续补充道，数据集是问题根源之一。目前公开可用的数据集比较稀缺，这导致模型很容易产生带偏见的判断。比如特定数据集中，医生给一个种族开的药比另一个种族多，这可能导致AI将病症与种族关联，而非病症本身。 另一个问题是训练AI中的“透题”现象。因数据集不足，用于训练模型的数据集和测试集会重叠，甚至该情况一些当事人还不知道，这也可能导致大家对模型的正确率过于乐观。 △ Sayash Kapoor博士 尽管问题存在，但AI模型仍已被应用在实际诊断场景中，甚至直接下场看病。 2021年，一个名为Epic Sepsis Model的医疗诊断模型被曝出严重漏检问题。 该模型用于败血症筛查，通过识别病人早期患病特征检测，避免这种全身感染的发生，但密歇根大学医学院研究者通过调查分析了27697人的就诊情况，结果发现，该模型未能识别67%败血症病患。 此后，该公司对模型进行了大调整。 一位计算生物学家对此指出，该问题之所以较难解决，也同AI模型透明度不足有关。“我们在实践中部署了无法理解的算法，也并不知道它带什么偏见”，他补充道。...

习近平总书记指出，要推进“互联网+医疗”，让老百姓少跑腿，让数据多跑路，不断提升公共服务均等化、普惠化和便捷化水平。 截至2018年7月，广东省网络医院已接诊逾1000万人次，从最初的每日几十例的问诊量飙升到如今每日4万人次。全国政协委员、广东省中医院副院长卢传坚表示，随着网络时代的到来，线上线下结合的医疗服务将成为新趋势。 随着“互联网+医疗”和人工智能的发展，人工智能医生在医学领域发挥的作用越来越大。机构预测，中国医疗人工智能的市场需求已达数百亿元。智能移动医疗专家指出，未来5年内，人工智能问诊平台将取代部分传统问诊。 那么，线上诊疗、“人工智能医生”等看病新方式是否值得信赖呢？ 新闻链接 广东省网络医院正式上线 作为全国首家网络医院，今年是广东省第二人民医院拥抱互联网的第五个年头。2014年10月25日，深圳友德医科技有限公司与广东省第二人民医院共同打造的广东省网络医院率先在全国上线，成为全国首家互联网医院。网络医院主要针对常见病和慢性病。通过后台初步分诊，患者可选择对应的科室和医生，在家里就可享受到三甲医院的专家服务。但专家也表示，病情严重、复杂的疾病仍需要立即到医院进行检查。 “读懂”病历识别影像 AI“医术”超年轻医生 人工智能不仅能“读图”识别影像，还能“识字”读懂病历，理解患者病情并推荐临床诊断，准确度甚至超过医生、媲美经验丰富的专家。由广州市妇女儿童医疗中心教授夏慧敏、加州大学圣地亚哥分校教授张康等专家领衔的医疗数据智能化应用团队，联合人工智能研究和转化机构研发出“辅诊熊”人工智能诊断平台，诊断多种儿科常见疾病，准确度与经验丰富的儿科医师相当。 未来5年内，人工智能问诊平台取代部分传统问诊 广东省第二人民医院2018年4月正式上线AI Doctor(人工智能医生)。实际上，AI医生是省二医与互联网科技公司联合开发的全球最大的中文医疗词库和医疗知识图谱，内含北京、江苏、广东数十家三甲医院3亿份“脱敏”（抹去隐私信息）的病历经验，200多病种的诊断、治疗建议的准确率超过90%。有专家预测，未来5年内，人工智能问诊平台将取代部分传统问诊。10年内，具有专科医师水准的人工智能医生会开处方。 大V观点 卢传坚（全国政协委员、广东省中医院副院长） 随着网络时代的到来，线上诊疗是一种看病新趋势。从方便患者就诊、让患者及时得到诊治这方面来说，发展网络医院是便民的举措。但是，线上诊疗毕竟没有现场医生诊治准确。看病跟购买其他商品或者服务不一样，通过病人自己描述身体状况，不如医生现场“望闻问切“来得准确。当然，对于常见病、小病可以考虑线上诊治，比较复杂的疾病就不适合了。 杨浩贤（中山大学肿瘤防治中心，主任医师，博士生导师） 线上诊疗对患者来说效率比较高，特别是对于异地就医的患者，可以同时咨询多方医生的意见，综合考量医疗方案。但是，在线问诊无法看见病人的精神状态，也无法进行体检，所以要得到比较具体的治疗方案，还是需要患者亲自到医院就诊。 随着计算机和人工智能的发展，人工智能在医学领域发挥的作用会越来越大。人工智能可在一定程度上缓解医生资源不足的状况，让优质医疗资源下沉到基层，使更多群众享受到普惠医疗。我相信，未来的人工智能医生会取代医生的一部分工作，比如体检、信息采集、问诊等方面，但治疗的过程中，人工智能只能提供标准化方案，无法实现精准的个体化治疗，而且对于复杂疾病，治疗方案是根据患者病情不断地在变化，所以人工智能医生还要经过不断学习，才能在核心领域发挥更大的作用。无论是何种诊疗方式，是否能让患者得到更好的医疗服务和治疗效果，才是我们关注的重点。 周其如（广东省网络医院院长） “互联网+医疗”是医疗行业的发展方向、是解决“看病难”的重要抓手、是破解医改难题的重要手段。通过不断吸纳海量数据，AI医生已经能够达到或者部分超过普通医生的问诊水平。人工智能医生能帮助解决基层医疗资源不足、缓解医生的劳动强度、降低医疗成本高的问题。不过，人工智能医生诊断的合法合规性等问题，还需要长时间的发展和摸索。 杜兰（科大讯飞股份有限公司高级副总裁） “人工智能医生”不是一个趋势，而是实实在在地应用了。我们希望通过A.I.赋能医疗，让机器去学习最优秀的一线专家的能力，通过专家和设定的标准，让60分的医生去做80分医生可以做的事情，让90分的医生不要去做60分医生重复做的工作，从而让医疗服务更具普惠性，并为行业带来更大的发展空间。 刘激扬（国双科技首席技术官） 线上问诊和人工智能诊疗能够为医患双方提供很多便利：患者和家属可以更快地得到专业人士帮助，也可以获取更多知识，比如，通过智能问答系统人们能非常便捷地获取导医、治疗及手术后护理等各类信息；大数据和人工智能技术可以通过对医疗领域累积的大量医疗数据和患者数据进行分析，帮助医生对患者做出更加客观、全面的评估，甚至对疾病的发展趋势做出预测。依据这些评估和预测，医生就能更及时、准确、全面地为患者做出诊断。借助大数据和人工智能，我们也能够实现从对疾病的诊治，到对疾病的“预测”和“预防”，从而为大家提供有效的健康管理，让大家更健康。 张康（加州大学圣地亚哥分校教授） 如果能让医生看到计算机是怎么想的、怎么得出结论的，就能让人类更相信计算机，让人类对它更加放心。 夏慧敏（广州市妇女儿童医疗中心教授） 人工智能并不会取代医生，但是可以大幅减轻医生的工作量。更好的技术手段和平台，既能在一定程度上解决医疗服务能力不足的问题，又能提高健康服务的公平性。 沈定刚（联影智能联席首席执行官） 人工智能不会替代医生，但懂人工智能的医生可能会替代不懂人工智能的医生。未来人工智能的应用将贯穿于整个临床工作流，从源头的成像一直到后期的诊断、治疗和评估。 陈国庆（农工党中央医疗卫生专业委员会委员） 人工智能和互联网技术是对医生的解放，能够让医生的医术、医德和口碑等作为医生个人的附加价值为医生赢得更多的患者，从而让医生的个人品牌、工作环境和个人待遇得到大幅的提升，从而最大程度体现医生真正的价值。人工智能与医疗的结合，也能实现医疗效率的提高、群众医疗成本的降低和诊治慢性疾病和常见病的便捷化，也是未来医疗的发展趋势。 网友留言 @谭浩彬：线上医生我觉得挺便捷的，现在去个医院好麻烦，排队挂号等号要好几个小时，但我可能也就是看个头疼脑热的小病，给老百姓挺大方便的。 @白如宣：一个医生的阅历和经历有限，AI医生能综合各大医院的病例情况而且无需休息，有时候对于一些突发情况能给出一些快速的抢救措施，还是值得推广的。 @wendy七：难道网络医生还能“悬丝诊脉”吗？望闻问切缺一不可哦～ @南州六月荔枝丹：网络看病的影像资料，患者怎么来保存呢？担心隐私泄露…… @茴有四种写法：感觉信不过～每个人的体质都不一样，虽然是同样的病症，但可能表现形式不一样。 出品人：刘海陵 总策划：林海利 总统筹：孙璇 监制：孙朝方 郑华如 鲁钇山 蒋铮 区健妍...