Game Over!权威杂志断言:AI治病完胜人类,死亡预测、癌症治疗样样拿手

Date: 
Wednesday, June 14, 2017
Author: 
互联网

到处“抢饭碗”的人工智能终于还是没有放过可怜的医生们,近两年来一系列频繁的动作发出一个赤果果的挑衅信号:人工智能已经大举攻占医疗界,一个科室都不放过!

最让人类胆寒的是,AI医生看病居然真的比人类看的好!

这还得了!

来看看它们都做了什么(注意:以下内容整理自《自然》、《科学》杂志,你不是在看科幻片哦)

1.“人类完败……诊断乳腺癌,30小时病理分析竟不如谷歌AI准确”

来自谷歌、谷歌大脑与Verily公司的科学家,开发出了一款能用来诊断乳腺癌的人工智能,它的表现甚至超过了专业的病理学家。

要知道,病理诊断的准确性严重依赖于病理医生的水平,即便是对于同一名病人,不同病理学家给出的诊断也往往会有很大不同:一篇2015年的论文发现,不同病理学家对乳腺癌诊断的一致率只有75.3%。在某些不典型的乳腺癌中,诊断的一致率竟下降到了48%,不足一半。

为了解决病理诊断的瓶颈,谷歌和Verily的科学家们做了一个尝试。他们将单张病理切片的图像分割成了数万至数十万个128x128像素的小区域,每个小区域内可能含有数个肿瘤细胞。随后,他们提供了许多肿瘤组织与正常组织的病理切片,供人工智能学习。最终,这款人工智能掌握了一项像素级的技巧——它能分辨出单个小区域内被标注为“肿瘤”的像素,从而将整个小区域标注为“肿瘤区”,从而有效地将肿瘤组织与健康组织区分开来。

学习完毕后,这款人工智能迎来了实战。科学家们邀请了一位病理学家,并让他与人工智能进行一场比赛。这名病理学家花了整整30个小时,仔细分析了130张切片,并给出了他的诊断结果。在随后基于灵敏度(找到了多少正确的肿瘤)和假阳性(将多少正常组织诊断为肿瘤)的评分中,这名病理学家的准确率为73.3%。人工智能交出的答卷是88.5%,完胜人类。

Game over.

2.《自然》重磅:AI在儿童自闭症早期诊断上完胜医生!

近期,在北卡罗来纳大学精神病学家HeatherHazlett的带领下,人工智能在疾病诊断领域又下一城。她们开发的深度学习算法,在预测2岁前的自闭症高危儿童(有个自闭症哥哥或者姐姐)是否会在2岁之后被诊断为自闭症上,以88%的准确度远超准确度只有50%的传统行为问卷调查法(Charman, 2014)。人工智能在疾病诊断领域再次战胜人类。

3.“AI机器人,学完2186张肺癌图谱,完胜病理学家”

2016年8月16日,《自然•通讯》发表了一份斯坦福大学医学院研究人员的研究:计算机可被培训在评估肺癌组织切片时,比病理学家更精确。

研究人员使用了从腺癌、鳞状细胞癌患者获得肺癌基因图谱的2186张图像。数据库还包含了每例肿瘤的级别、期别以及每例患者在诊断后的存活时间信息。

然后,研究人员使用这些图像来训练计算机软件程序,以确定更多肉眼所不能观察到的癌症特异性特征——近10000种个性特质vs几百种病理学家通常使用的评估特征。这些特征不仅包括了肿瘤细胞的大小及形状,也包括了细胞核的形状与质地以及与相邻肿瘤细胞的空间关系。

斯坦福大学遗传学教授Snyder博士说:“事后看来,一切都在情理之中。计算机能够比人类更加准确、快速地在数以千计的样本中,多次评估甚至是微小的差异。”

4.“AI再登Nature封面:诊断皮肤癌,准确率达91%”

人工智能眼里的皮肤病

  

细微的差别,都逃不过人工智能的火眼金睛

斯坦福大学研究人员采用深度卷积神经网络,通过大量训练发展出模式识别的AI系统,使计算机学会分析图片并诊断疾病。

训练计算机的数据库由129450张皮肤病变图片和对应的文字描述组成,涵盖了2032种皮肤病。而诊断的“参考答案”则由皮肤病专家提供,他们依靠的是非侵入性图像分析和组织活检。

之后,计算机迎来了“毕业考试”。研究者向受训的计算机和21名执业医师分别提供了一批训练数据集中,没有出现过皮肤病变的图片,这些图片都由组织活检确定了对应的病症。诊断比赛的结果是计算机的准确率和人类医生差不多,有时候还胜过人类医生。

5.人工智能走进ICU:可预测病人死亡准确率达93%

  

在洛杉矶儿童医院,数据科学家Melissa Aczon和David Ledbetter提出了一种人工智能系统,这个系统可以让医生们更好地了解哪些孩子的病情可能会恶化。

他们使用了PICU里超过12000名患者的健康记录,机器学习程序在数据中发现了相关规律,成功识别出了即将死亡的患者。该程序预测死亡的准确率达到了93%,明显比目前在医院PICU中使用的简单评级系统表现更好。Aczon和Ledbetter在Arxiv上发表了相关论文,公布了他们的研究成果。

他们实验的创新点是使用了一种叫做循环神经网络(RNN)的机器学习方法,这种方法擅长处理持续的数据序列,而不是从某一个时刻的数据点直接得出结论。“RNN网络是处理临床数据序列的一种有效方法。”Aczon说,“它能够整合新产生的信息序列,得到准确的输出。”所以在程序中,RNN网络表现得更好,因为它能够随着时间的推移,根据病人最近12小时的临床数据,做出最准确的预测。

6.IBM沃森医生入华,10秒出诊断书

  

早在2014年,IBM的“沃森医生”已经在美国安德森癌症中心上岗,还收获了不小的人气,被人们亲切称作“沃森”医生,准确率达到73%,被誉为“未来最好的癌症专家”和“医神”。

要知道,IBM的沃森机器人能够在17秒内,阅读3469本医学专著,248000篇论文,69种治疗方案,61540次实验数据,106000份临床报告,并根据医生输入的病人指标信息,最终提出优选的个性化治疗方案。

“目前7种类型的肿瘤,不管多么复杂,十几秒钟就可以出具全球顶尖的诊疗方案。”就在几天前,青大附院和市立医院正式成立“沃森智能肿瘤会诊中心”,借助被称为“机器人医生”的沃森大数据系统,医生只需十几秒就可拿到具有全球顶尖专家经验的个性化诊疗方。、

All in all,“人工智能+医疗”,不是噱头,而是未来。一个让人期待的人工智能时代,正在快速到来!你会愿意接受它吗?