AI医疗：人工智能在医疗行业中的几大突破案例

近年来，人工智能变得越来越“聪明”，并开始在许多领域发挥独特的作用。

如今，人工智能被各国视为新一轮科技革命与产业变革的核心所在。由于人口老龄化趋势加速、医疗资源供需严重失衡等原因，我国对医疗人工智能的发展需求十分迫切。据权威数据显示，到2017年，我国人口达到近14亿，但是医护人员尚不足1200万人。

当人工智能技术从实验室走向商业化，传统产业均迎来了创新、变革的难得契机。目前，人工智能已经成为诸多行业的重要发展驱动力，在金融、交通、医疗、安防等领域获得了愈加深入的应用，也受到了业内人士的认可与青睐。

在诊断眼部疾病精准度上超越人类

一家人工智能公司与英国摩尔菲尔兹眼科医院近日共同发布研究成果，称人工智能算法在诊断眼部疾病的精准度上超越了人类医生。

这款人工智能算法主要通过分析患者眼部的3D成像——光学相干断层扫描（近年迅速发展的一项成像技术，简称OCT）图像，诊断与老龄化致盲有关的黄斑部退化、青光眼和糖尿病视网膜病变等。目前，这一算法已能检测出超过50种威胁视力的眼疾，并能给出适合患者的治疗方案，甚至可以“优先考虑”最迫切需要治疗的病人，错误率仅为5.5%，远低于8位人类眼科专家6.7%—24.1%的“误诊率”。以往，不同的医生对同样的3D成像会有不同的解读，这款人工智能的高精确度相当于25个医学专家从不同角度会诊的结果。

这款医用人工智能可以向人类“解释”自己的决策依据。具体来说，在“阅读”扫描患者眼部后，人工智能第一步将OCT分解成数个区域，并进行标注，这时产生的原始数据人类还难以理解；第二步分析各个区域的成像，然后用另一种人类可以理解的分类识别系统，来寻找可能存在的病灶迹象，这时的数据对于人类而言具有解释性和可理解性，避免了以往人工智能算法“暗箱操作”的问题，有利于医生和病人了解其决策过程，对人工智能建立信任感。

远距医疗可透过高解析度镜头观察皮肤病

据Healthcare IT News报导，堤夫特地区医院从2005年开始思考引进远距医疗。该医院远距医疗主管Jeff Robbins认为，因为远距医疗将是未来趋势。因此与成立12年的非营利机构GPT合作，后者在美国11州负责针对医院及其他医疗设施行销远距医疗系统。

堤夫特地区医院藉由GPT的照护者与技术组成的网路，帮助该医院与距离遥远的养护之家、学校诊所、急诊室、中风团队、特殊伤口照护团队与先进紧急照护团队连结。

远距医疗套件包括萤幕、镜头、键盘与遥控器，週边功能则可给予医师透过数位听诊器观察生命徵兆，并利用高解析度镜头看诊皮肤或伤口照护等特殊医疗。

Robbins认为，双方合作后让该院医师帮其他地区病患看诊而增加收入、减少约诊未到与治疗更多病患及更佳病患追踪。远距医疗则让该医院拥有先进加护病房支援并降低死亡率、併发症与后续住院，另外，透过居家监测也可降低医疗成本。

借助AI算法 预测腹主动脉瘤风险

美国史丹佛大学(Stanford University)研究团队结合基因体定序资料和电子病历(EMR)，成功以人工智慧(AI)演算法预测罹患腹主动脉瘤(AAA)风险。

据Management报导，这项研究受到美国国家卫生研究院(NIH)所资助，证实AI演算法HEAL结合人口基因体资料和个人EMR，即可检测腹主动脉瘤的遗传风险因子，精淮度跟临床筛检结果不相上下，甚至更好。

史丹佛大学遗传病学教授Michael Snyder表示，这是世界上第一次以基因体定序资料完成腹主动脉瘤的风险预测分析，他们发现在预测高风险族群的精淮度高达70%，未来每个人都会有基因体定序，进而预测整体的疾病风险，再依据这个资讯采取行动。

有望成为痴呆症的有效预防工具

近日，科学家成功地训练了一种新的人工智能算法，以准确预测导致阿尔茨海默病的认知能力下降症状。

由于阿尔茨海默病起病隐匿，起病初期往往很难发现，常常到症状明显时才被重视，并且目前，这种疾病尚未有真正有效的治疗方法。新的研究表明，人工智能可能是准确预测潜在阿尔茨海默病患者的关键。

血液测试，PET扫描，眼睛测试，遗传学甚至嗅探测试是识别认知衰退早期症状的常见方法，但这些方法并不能做到完全准确地预测。一项新的研究表明，经过训练以评估各种诊断数据的AI算法可以有效地预测一个人是否处于疾病的早期阶段，以及他们是否可能在接下来的五年内显著恶化。

道格拉斯心理健康大学研究所的计算神经科学家Mallar Chakravarty博士和他的同事设计了一种特定的算法，使用人工智能技术和大数据开发了一种算法，通过磁共振成像（MRI），遗传学和临床数据学习，对有阿尔茨海默病风险的病人大脑进行单次淀粉样蛋白的PET扫描来完成识别，能够在痴呆症发病前两年准确识别出痴呆症的迹象。

该算法通过对来自800多名受试者的数据进行训练，并结合从MRI成像到基因型和临床信息的各种生物标记物。所研究的受试者包括健康的老年人和临床上具备明显阿尔茨海默病症的患者。其中一小部分受试者还提供了长达六年的个体临床信息数据，使算法能够对疾病进展的全面理解，这有助于系统更好地预测认知衰退的轨迹。

在早期阶段，研究人员相信该算法是有作用的且准确的，随着更多数据被添加到算法中，再加上大量的患者训练，在未来人工智能系统有望成为临床医生对阿尔茨海默病预防性治疗的重要工具。

麻省理工公布AI神器 可断抑郁症

麻省理工学院的研究人员开发出一种神经网络，能够以相对较高的准确度对个人患有认知功能障碍的可能性做出预测。因此在一定程度上，我们可以将其理解为一种抑郁症检测器。

由麻省理工研究员Tuka Alhanai、Mohammad Ghassemi以及James Glass组成的研究团队在Interspeech 2018大会上展示其工作成果。

他们开发出一种无情境方法，可借此确保机器对人类的文本或音频表达内容进行分析，从而检测出该人的抑郁度评分。其中最为关键的，当然在于这套人工智能方案的“无情境”因素。

一般来讲，治疗师需要利用经过验证的问题与直接观察相结合，共同诊断对方的抑郁症等精神健康状况。而根据麻省理工学院团队的说法，他们的人工智能能够在无需条件性问题或者直接观察的前提下，实现类似的效果。换言之，其不需要情景信息，而只需要数据资料。

麻省理工学院研究人员详细介绍一种神经网络模型，该模型能够通过访谈方式对原始文本及音频数据进行解析，从而发现可能预示抑郁症疾病的表达模式。在给定新主题的情况下，其能够准确预测相关个体是否存在压抑情绪，且不需要任何其它相关问题及答案信息。

为了测试这套人工智能方案，研究人员们进行了一项实验，由人为控制的虚拟代理对142名受试者提出一系列问题，从而进行抑郁症筛查。人工智能并没有事先了解问题内容，而受访者亦可自由以任何形式做出回答。问题的形式并非单项选择，人工智能需要从语言线索当中辨别抑郁症。

在这项研究中，参与者的回答将以文本及音频形式进行记录。在文本版本中，人工智能能够在大约7个问答序列之后预测抑郁症。但有趣的是，在音频版本当中，人工智能需要大约30个序列才能做出决定。据研究人员称，其平均准确率达到惊人的77%。

生成脑癌合成扫描的AI系统

Nvidia公司的科研人员最近在一篇论文中公布了一项他们与Mayo诊所、马萨诸塞州综合医院（MGH）和 布莱根妇女医院（BWH）临床数据科研中心合作的研究，声称他们已经开发了一个可以自行生成训练数据的神经网络，特别是合成患恶性肿瘤大脑的三维磁共振图像（MRI）。

这是首次有人做到可以生成训练神经网络用的大脑扫描图像。Nvidia的这款AI系统基于Facebook的PyTorch的深度学习框架，并在Nvidia DGX平台上进行训练，它在训练中会使用通用对抗网络（GAN，general adversarial network），也就是一个由样本生成器和鉴别器这两部分所组成，可在生成图像后自行判断图像可靠性的神经网络，来最终生成令人信服的脑异常核磁共振图像。

根据一次结合真实脑图像的训练，该系统目前的准确性达80％，系统开发者计划在未来用更大的数据集和具有更高分辨率的图像来训练系统。专家预计该系统成熟后可在瞬间生成需要人类团队花费数小时的脑图像分析结果。

手术机器人、导诊机器人、医疗影像辅助诊断系统……如今，医疗领域与人工智能的融合愈发密切，医疗人工智能行业的发展逐步走上正轨，随着机器视觉、语音交互、自然语言理解、深度学习与机器人等技术的日益成熟，医疗人工智能的应用得到了有力支撑。