文章主题：AI, 医学诊断, 深度学习, 细胞图像识别
😮最近的研究表明，人工智能在预测死亡或心脏病发作的表现上已经超越了人类。我们的思维维度是有限的，而高维度模式比单维模式更有助于预测个体的结果。在医学诊断领域，人工智能正发挥着越来越重要的作用。通过不断地学习和调整，人工智能能够利用大量数据，揭示那些可能并不明显的潜在疾病。
查看心脏测试结果
预测一年内死亡风险
🔍【人工智能神秘能力揭示】根据英国《新科学家》杂志网站11日的报道，一项来自美国的最新研究发现，人工智能（AI）能够通过分析个人的心脏检测数据，准确预测他们在一年内死亡的风险，即使医生认为他们处于正常范围。然而，AI是如何获得这种“神奇能力”的，仍然是一个谜团。科学家们正在努力探索这一问题，以期能进一步理解和利用AI的潜力。
在本次探索性研究中，医疗保健服务供应商盖辛格公司的布兰登·佛恩沃尔特及其团队利用人工智能技术审查了大约40万人的177万份心电图（ECG）。这一举措的目的是为了预测在未来一年内，哪位参与者的心脏病发症风险较高。
在实现这一目标的过程中，研究团队开发了两套AI系统：第一套AI系统仅接受原始ECG数据的“滋养”，能够随着时间逐渐检测出电压变化；而第二套AI系统则在接收ECG数据的同时，融入了患者的年龄和性别信息。
在本次研究中，研究人员采用了”AUC”这一评估标准来对比两种人工智能技术的性能，这个指标能够全面反映模型的各项能力，包括区分一年内可能死亡的病患与幸存者。根据佛恩沃尔特的分析，实验结果显示，人工智能的得分一直稳定在0.85分以上（满分设定为1分，得分0.5表示两种AI之间没有明显差异）；而医生目前所采用的风险评分模型的AUC得分则在0.65到0.8之间。
为了进行对比，研究者们构建了一种基于医生测量的 ECG 特征的算法。然而，佛恩沃尔特表示：“无论如何，基于电压的模型总是表现得比那些依据我们从心电图获取的数据所创建的模型更优秀。”
而且，即使心脏病专家认为心电图正常的人，AI也能准确预测其死亡风险。3名心脏病专家分别检查了表现正常的心电图，但无法找出AI检测到的风险模式。
佛恩沃尔特说：“这一发现表明，该模型可能看到了人类看不到的东西，或者至少是我们忽略并认为正常的东西。因此，AI有可能帮我们厘清几十年来我们一直误解的东西。”研究人员将在11月16日于达拉斯举办的美国心脏协会科学会议上宣布这项研究。
患者只需要做选择题
AI就能生成电子病历
每天，医学实验室或诊所等机构都要对数百万个单细胞的诊断工作。大部分重复性工作仍由受过训练的细胞学家手动完成，他们通过检查染色涂片中的细胞并将其分为大约15个不同类别。为了顺利完成上述工作，需要具备专业知识且训练有素的细胞学家。
为了提高细胞分类以及检测效率，德国亥姆霍兹慕尼黑环境与健康研究中心和慕尼黑大学医院的一组研究人员“训练”了一个具有近20000个单细胞图像的深层神经元网络。
在这项研究中，研究者对100例患有侵袭性血液病的患者，和100例对照志愿者的血液涂片中提取的相关图像分析。通过比较其与人类专家的检测准确性，从而评估AI驱动的检测方法的效果。结果表明，由AI驱动的解决方案能够取得与训练有素的细胞学家一样好的成绩。
不仅如此，目前AI辅助诊断已经已一种更为易用的方式应用于临床。位于东京江户川区的目目泽医院，今年4月已开始利用AI问诊系统接诊。这是一种类似于掌上电脑的系统，患者只需要在上面做选择题，AI系统就能根据患者的选择自动生成电子病历。
这个AI系统主要针对慢性头痛患者，会问“疼痛的部位”“感觉”“发生头痛的时间”等问题。
其中，“疼痛的部位”又分为“整个头部”“一侧”等;“感觉”又分为“刺痛”“昏沉”等;“发生头痛的时间”又分为“喝酒的时候”“激烈运动之后”等。
该医院院长目目泽肇介绍：“这个系统保存了约5万份有关内科疾病的论文。根据患者的选项，用专业的医疗术语自动生成电子病历。这样可以节省在问诊过程中输入电脑的时间。以前一个问诊差不多要十分钟以上的时间，现在只需要4分钟就可以了。”因为大大减少了等待时间，这个系统也得到了患者们的好评。
据了解，这个系统由东京一下创新企业于2017年开发，目前已经被日本70多个医疗单位引进使用。
“看脸”就能鉴别
诊断有困难的基因病
诊断疾病的基本功是“视触叩听”，靠“相面”看病会被视为不靠谱的玄学操作。不过，目前深度学习算法已破解玄学，真的做到了“看脸”辨识疾病。
这篇今年初发表于《自然医学》的论文，标题大意为“使用深度学习辨别基因缺陷的面部表型”。这项“相面”看病系统，叫做DeepGestalt，专门用于从面部辨识基因疾病，以帮助临床医生进行诊断。
其看病“原理”是基于“部分人的脸部特征会带出明显的基因特点”，因此这个AI主要用于看基因病，尤其是没有明显典型症状，鉴别诊断有困难的基因病。
比如，针对德朗热综合征患儿。此病典型的表现为生长迟缓，智力发育迟缓，具有面容上的特征以及上肢缺陷。但有时患者的表现并不典型，面容特征又需要与其他疾病鉴别，这就到了“相面”辅助诊断AI出场的时候。
目前，经过训练的DeepGestalt大约能从面容上识别200多个综合征，准确率在91%左右。
据报道，已有医生使用与这一AI相连的APP，对自己无法确诊的患者进行拍照上传，让DeepGestalt给出参考意见——后者有极高的概率是正确的。
除了像这样用作诊断参考意见之外，DeepGestalt还可以提供线索和思路——如果一名医生接诊患者之后，全无头绪，可以直接拍照上传，AI会提供一些备选的方向。就像用搜索引擎一样方便。
DeepGestalt是怎样看病的？
深度学习算法之所以成为新世纪迄今为止最为重大的AI革命，主要原因是它不像之前的AI，在学习上是机械性的。深度学习是目前最伟大的仿生学实践——它模仿人类中枢神经的运作方法，可以说是“像人脑一样去学习”。
在这个基础上，训练DeepGestalt识别基因疾病，原理上近似于训练人类基因病专家针对性的去通过面部特征来识别相应疾病——只是它相对更高效。
（齐鲁晚报·齐鲁壹点记者 任志方）
找记者、求报道、求帮助，各大应用市场下载“齐鲁壹点”APP或搜索微信小程序“壹点情报站”，全省600多位主流媒体记者在线等你来报料！ 我要报料
AI时代，拥有个人微信机器人AI助手！AI时代不落人后！
免费ChatGPT问答，办公、写作、生活好得力助手！
搜索微信号aigc666aigc999或上边扫码，即可拥有个人AI助手！
