【我們為什麼挑選這篇文章】目前 AI 在醫療診斷上的運用偏向「輔助」,本篇文章的案例亦同。AI 人工智慧透過大量的胸腔 X 光照片,搭配過去全部的診斷結果,能夠找出那些醫生認為「正常」,實際上可能帶有些潛在因素的病患。

目前來說,醫療診斷仍是非常「人向」的領域,透過越來越多與 AI 的合作,相信找出更多患有潛在病因的患者,及早治療。(責任編輯:陳君毅)

只需要一張高精度的胸部透視照片,AI 就能對「你是否會在未來 5 年內死亡」作出預測。

阿德萊德大學研究人員剛剛在《自然》雜誌上發表的一篇論文展示了他們的最新成果。該系統通過一個深度學習系統,為 48 例患者的 CT 掃描照片進行了「未來 5 年是否會死亡」的診斷預測。預測精度為 69%,與人類醫生的準確度相似

研究人員之一的流行病專家萊爾・帕爾默在接受採訪時解釋說,這些 CT 掃描照片中往往隱藏著一些即便是醫學專家也無法破譯和解讀的某些軀體特徵,而深度學習能夠從中找出哪怕最微小的異常。

AI 在診斷的這一階段,其實與普通醫生沒有太大區別。在傳統的臨床檢查過程中,醫生通過自身的經驗和在學校學到的知識去判斷 X 光片中的哪些特徵與疾病相關(比如冠狀動脈的鈣化程度)。在輔以生活習慣、家族病史、年齡、性別等因素,人類醫生在做出這種預測時的準確度通常在 65% 到 75% 之間。

目前可應用於「提醒」醫生,那些看起來很「正常」的病患,可能要死啦!

AI 做出這一預測的過程與人類醫生一樣,但區別主要在開始診斷的前一階段,這讓 AI 能夠發現那些尚未被人類知識所驗證的病理特徵。

在以往,醫學院需要大量的臨床病例和可控實驗才能夠確定身體出現某一特徵時,可能代表著某種疾病。但通過將大量「5 年內死亡患者」的資料和其對應的數十萬 X 光片輸入深度學習系統,AI 將能夠對那些「人類醫生看起來正常」的患者做出警告

這意味著這個 AI 並不是在與某個具體的醫生比拼醫術,而是在對全人類的醫療診斷做出挑戰。

但由於 AI 並不具備完整的醫學知識,深度學習也不考慮人類生理背後的原理。AI 在依靠自身建立的模型進行診斷時,更像是一種冷冰冰的預言。大多數深度學習的成果對於人類來說是黑箱的,所以 AI 做出的一些診斷甚至需要人類醫學再進行仔細的研究才能理解其背後的致病邏輯。

但無論如何,這種技術將能夠被用於提高對病人的早期發現和治療中,因為大多數嚴重疾病的早期階段都不具備特別明顯的特徵,一旦特徵變得明顯疾病已發展的比較嚴重。萊爾・帕爾默認為,醫療機構應該從現階段開始鼓勵保留和共享高清晰度的光學檢測結果,並致力於類似的研究。

深度學習還可用於慢性病、遺傳性疾病的推算

除了對重病的早期發現之外,深度學習診斷系統還可能攻破一個醫學界多年以來的難題即慢性病、遺傳病發病,比如糖尿病和心髒病。

在傳統的醫療中,儘管可以通過基因檢測和家族病史的分析,粗略的估算出一個人是否會得糖尿病或心髒病。但這只是徒增了潛在患者的心理擔憂。

因為醫生並不能更為精確的預測出某個人是否一定會發病或在什麼情況什麼時間發病,也不能準確預測一位已經患病的患者未來多久可能有生命危險。通過深度學習的診斷,醫生希望能夠準確的分析出一個擁有糖尿病家族史的高風險潛在患者是否會在未來 5 年中病發糖尿病,這將對慢性病的早期預防和治療產生巨大的效果。

——

(本文經合作夥伴 pingwest 授權轉載,並同意 TechOrange 編寫導讀與修訂標題,原文標題為〈AI 剛學會了一件挺殘忍的事兒:預言死亡〉;圖片來源:Max Pixel, CC Licensed。)

延伸閱讀

這位盲人女科學家夢想獨自旅遊,然後研發了一套讓盲人可以「看見」的系統

兩個中國 90 後年輕人成功發明手語翻譯器,準確度高達 95 %

替你省下整整半天查 code 時間的 AI 助手 Kite,有機會成為下一個 Github 嗎?