來源：創(chuàng)械圈

隨著人工智能 (AI) 在醫(yī)療保健各個領域的大肆侵入，對于AI的關注已經(jīng)是迫在眉睫。那么AI究竟應用在哪些醫(yī)療保健領域呢？本文對現(xiàn)階段醫(yī)療保健領域的AI工具做了盤點，希望能夠幫助醫(yī)療領域的從業(yè)者完成更好的診斷、更復雜的病人護理和更準確的疾病預判。跟隨易愛，一起了解下吧！

過去幾年，人工智能及其在醫(yī)療保健領域的應用潛力已經(jīng)被廣泛討論。討論不僅局限于智能算法本身，而且還擴展到圍繞人工智能的諸多新聞炒作。

每當一項關于深度學習或機器學習在診斷學、醫(yī)學成像或其他任何醫(yī)學領域的新研究發(fā)表時，新聞閱讀者大多會肯定地說，標題一定是諸如“人工智能在某某領域再次擊敗了醫(yī)生”之類的噱頭。相關炒作是如此扭曲和極端，以至于對于人工智能的評價往往是兩極化。

通過列舉迄今為止在醫(yī)療領域發(fā)現(xiàn)和應用的頂級人工智能工具，我們希望本文可以為醫(yī)療專業(yè)人士有效補充更多實用的信息。

在盤點之前，我們需要對人工智能的局限性進行逐一分析。

首先，人工智能這個詞本身就已經(jīng)有了誤導性，因為智能這個詞往往意味著其目前所處的是一個非常發(fā)達的技術階段。然而，現(xiàn)實中，我們目前應用的人工智能遠遠沒有達到幻想中的技術層次。

人工智能可以分為三個階段：人工狹義智能（ANI），人工通用智能（AGI）和超級智能。我們目前的科學（特指大型語言模型和各種機器學習方法），充其量能夠在一些領域達到人工狹義智能（ANI），即人類創(chuàng)造的第一級智能，少量可以達到第二級智能，即當機器能夠從有限的經(jīng)驗中抽象出概念并在各領域之間轉移知識的人工通用智能（AGI）階段。

然而，第三個也是最可怕的階段——超級智能，即人工智能演變成一個獨立的意識進行思考的階段，我們目前的科學還遠遠沒有達到。其次，無數(shù)的算法被訓練來對醫(yī)療圖像中的各種模式進行分類，從而幫助醫(yī)生診斷病情。然而，這種算法應用的局限性至少存在于三個方面。

其一，算法所使用的醫(yī)學數(shù)據(jù)往往來源于高度發(fā)達的地區(qū)，也就是說，包含著一定特異性或概念化的算法框架本身就是不客觀的，其內部不可避免地夾雜著工作團隊的主觀假設；

其二，智能算法的預測能力是以過去的案例為基礎的。然而事實上，這些案例經(jīng)驗在新的藥物副作用或治療抗性實驗預測中很可能是無用的；

其三，大多數(shù)正在進行的人工智能研究都是在從各種醫(yī)療機構收集的訓練數(shù)據(jù)集上完成的。然而，如果利用算法分析醫(yī)學圖像，醫(yī)生往往會得到相同的數(shù)據(jù)集，卻很難再現(xiàn)臨床實際情況；

人工智能的局限性往往與其理論價值無關，卻會大大影響其實際執(zhí)行效果?，F(xiàn)實中，生活和生命并不只是簡簡單單的訓練數(shù)據(jù)集。成千上萬的病人帶著成千上萬的病癥來往于醫(yī)院之間，看起來類似的病情常常會表現(xiàn)出完全不同的病癥。

因此，在訓練數(shù)據(jù)集的基礎上進行的人工智能研究的結果，很可能無法代表現(xiàn)實生活中的病癥情況，這是我們必須要明晰的。

以下是我們對醫(yī)療領域發(fā)現(xiàn)和應用的頂級人工智能算法的盤點。

01 腫瘤DNA檢測算法

癌癥治療非常困難的一個原因是，惡性腫瘤往往會變異、生長和進化，難以控制。

近年來，科學家們發(fā)現(xiàn)，不僅腫瘤本身會發(fā)生變化，其DNA也會轉變。隨著測序成本的大幅下降，腫瘤的基因分析成為可能，最近，專家在AI算法的支持下開始分析數(shù)據(jù)，想要弄清腫瘤內部到底發(fā)生了什么樣的基因突變。

為了使這些現(xiàn)有的工具更加精確，美國巴爾的摩市的個人基因診斷公司開發(fā)了一種新方法，利用機器學習使腫瘤DNA診斷過程自動化，并提高識別癌癥組織中突變的準確性。通過這種方法，醫(yī)生就可以為患者選擇特定的靶向治療。

02 心臟圖像&AI預測心臟病

超聲心動圖通過聲波描繪心臟的圖像，心臟病專家可以通過該圖像確定患者是否患有心臟病。這是一項標準測試，用于檢查患者的中央器官的瓣膜或腔室是否有問題，是否有先天性心臟缺陷，或者氣短或胸痛是否與心臟有關。

加州塞達斯西奈山心臟研究所和人工智能醫(yī)學部門的研究人員在這一領域有突出成就。該研究所報告說，在評估和診斷心臟功能方面，人工智能（AI）被證明比超聲心動圖醫(yī)生的表現(xiàn)更出色。在這項首次、隨機的盲試中，心臟病專家評估了3,495份經(jīng)胸超聲心動圖研究，并比較了人工智能或超聲心動圖醫(yī)生的初始評估。其中一個主要發(fā)現(xiàn)是，心臟病專家更認可人工智能的評估結果。例如，專家們只糾正了16.8%的人工智能的初步評估，卻糾正了27.2%的超聲心動圖醫(yī)生的人工評估。

當然，這并不是AI在心臟病學中的首個應用。早些時候，加州大學舊金山分校的助理教授和執(zhí)業(yè)心臟病專家Rima Arnaut和她的同事就已經(jīng)使用深度學習來訓練一個AI系統(tǒng)，該系統(tǒng)可以根據(jù)顯示的視圖類型對超聲心動圖進行分類。當人工智能和心臟病專家被同時要求對圖像進行分類時，算法的準確率達到了92%，而人類的正確率卻只有79%。

此外，AI算法不僅在圖像分類方面勝過醫(yī)生，而且在根據(jù)各種因素預測結果方面也表現(xiàn)優(yōu)越。英國諾丁漢大學的研究人員創(chuàng)建了一個系統(tǒng)，通過掃描和分析病人的常規(guī)醫(yī)療數(shù)據(jù)，來預測他們中哪些人會在10年內發(fā)作心臟病發(fā)作或中風。與基于公認的風險因素（如高血壓、膽固醇、年齡、吸煙和糖尿病）的標準預測方法相比，該人工智能系統(tǒng)準確地預測了355名患者的命運。

03 用AI進行更精確的皮膚癌診斷

根據(jù)世界衛(wèi)生組織的統(tǒng)計數(shù)據(jù)，目前，全球每年約新增150萬非黑色素瘤皮膚癌和32.5萬黑色素瘤皮膚癌患者。數(shù)字健康技術，如SkinVision等智能手機應用程序、遠程醫(yī)療服務以及人工智能，正被應用于對抗這種廣泛流行的疾病的前線。

盡管幾個研究小組已經(jīng)開發(fā)了診斷皮膚癌的智能算法，但斯坦福大學創(chuàng)建的算法可能是迄今為止最強大的系統(tǒng)。該算法在超過128萬張圖像上進行了訓練，并通過一組來自2000多種疾病的近13萬張皮膚病變掃描圖進行了微調。這是迄今為止用于皮膚癌自動分類的最廣泛的數(shù)據(jù)集。

04 用AI檢測乳腺癌

乳腺癌是婦女最常發(fā)生的癌癥，也是總體上第二常見的癌癥。就像許多其他類型的癌癥一樣，早期發(fā)現(xiàn)可能是乳腺癌患者的救命稻草。

加州大學舊金山分校的研究人員發(fā)現(xiàn)，用于自動分類乳房密度從而檢測乳腺癌的商業(yè)軟件與人類放射科醫(yī)生一樣準確。短時間內，當乳腺密度無法明確診斷時，該算法可以為醫(yī)生提供支持。

此外，算法不僅可以協(xié)助放射科醫(yī)生，也可以協(xié)助病理科醫(yī)生與乳腺癌作斗爭。國際生物醫(yī)學成像研討會（ISBI）日前舉行了一項重大挑戰(zhàn)，評估用于自動檢測轉移性乳腺癌的計算系統(tǒng)。研究表明，結合人類病理學家的努力和深度學習系統(tǒng)的預測，在識別轉移性乳腺癌時，人類的錯誤率下降了85%。這是一個令人印象深刻的結果，尤其是考慮到在涉及到這種致命疾病時，早期診斷意味著拯救生命。

05 預測自殺風險的智能算法

在未來，你可能會因為手臂骨折而去醫(yī)院，然后帶著石膏和一張因標明有自殺風險而必須接受精神病治療的紙條離開醫(yī)院。這就是一些科學家的目標，他們開發(fā)的人工智能系統(tǒng)旨在早期捕捉抑郁癥行為，并幫助減少嚴重精神疾病的出現(xiàn)。

位于納什維爾的范德比爾特大學醫(yī)學中心創(chuàng)建的機器學習算法，使用入院數(shù)據(jù)，包括年齡、性別、郵政編碼、藥物治療和診斷歷史等，來預測任何特定個人自殺的可能性。

在使用從5000多名因自殘或自殺企圖而入院的病人身上收集的數(shù)據(jù)進行的試驗中，該算法在預測某人是否會在接下來的一周內嘗試自殺方面的準確率為84%，在預測某人是否會在接下來的兩年內嘗試自殺方面的準確率為80%。

06 AI預測住院病人的死亡風險

斯坦福大學的研究人員訓練了一個人工智能系統(tǒng)，以增加在需要時準確接受生命晚期護理的住院病人的數(shù)量——這意味著這個智能算法能夠預測非常嚴重的病人何時接近生命的終點。

該算法經(jīng)過訓練，以分析病人去世前3至12個月期間電子健康記錄中的診斷、處方、人口統(tǒng)計和其他因素。一旦經(jīng)過訓練，該算法就能在醫(yī)院的系統(tǒng)中標出仍然活著的病人，這些病人可能是姑息治療的合適人選。

當斯坦福醫(yī)院的姑息治療團隊評估了50名被算法標記為非常高風險的隨機選擇的病人時，該團隊發(fā)現(xiàn)所有這些人都適合被轉診。除了能夠準確預測，該程序還將決策權完全交給了醫(yī)生。這可能是算法和醫(yī)生作為一個團隊一起工作的未來模式。

07 MedPaLM，醫(yī)學大型語言模型

大型語言模型無疑永遠地改變了這一領域，它們能夠提供高質量的協(xié)助，這是先前從未有過的。在ChatGPT發(fā)布后短短幾周，谷歌/DeepMind宣布發(fā)布MedPaLM，這是一個專門用于回答醫(yī)療保健相關問題的大型語言模型，是一個基于540億參數(shù)的PaLM模型。

這個模型是在六個現(xiàn)有的醫(yī)療問答數(shù)據(jù)集（NedQA、MedMCQA、PubMedQA、LiveQA、MedicationQA和MMLU）的基礎上上訓練的，開發(fā)者團隊還創(chuàng)建了他們自己的HealthSearchQA，使用有關醫(yī)療狀況和相關癥狀的問題。目前MedPaLM還不能被公眾測試。

最近，最新的迭代也被推出，谷歌向部分用戶提供了訪問權限，但我們還沒有看到任何與2.0版本有關的研究。

08 用于敗血癥觀察的AI算法

杜克大學的研究人員開發(fā)了一種敗血癥觀察深度學習算法，幫助評估病人患敗血癥的風險。在出現(xiàn)高風險病人時，它會自動提醒醫(yī)院的快速反應小組，并指導他們完成頭3小時的護理管理。這對于預防并發(fā)癥至關重要。

該大學多年來一直在研究這種算法，并于2018年在臨床工作中實施該模式。據(jù)共同領導該項目的杜克大學醫(yī)生和臨床數(shù)據(jù)科學家Mark Sendak表示，杜克大學正在進行最終分析，且在臨床試驗中，使用算法后的病人死亡率似乎有所下降。

此外，據(jù)《華爾街日報》報道，連鎖醫(yī)院HCA Healthcare也開發(fā)了一種名為敗血癥預測和優(yōu)化治療的預測算法。它持續(xù)監(jiān)測病人數(shù)據(jù)，以識別潛在的即將發(fā)生的敗血癥病例。該算法能夠比臨床醫(yī)生提前六小時發(fā)現(xiàn)敗血癥，而且更準確，使醫(yī)療系統(tǒng)將160家醫(yī)院的敗血癥死亡率降低了近30%。

由于人工智能（AI）將徹底改變醫(yī)療實踐，對醫(yī)學生、年輕醫(yī)生和執(zhí)業(yè)醫(yī)生來說，為變化的環(huán)境做好充分準備至關重要。換言之，人工智能的快速發(fā)展帶來了一個重大的范式轉變。

人工智能不會取代醫(yī)生，但使用人工智能的醫(yī)生會取代那些沒有跟上這場革命的醫(yī)生。擁抱人工智能技術并將其融入醫(yī)療實踐，不僅會使患者受益，也會提升那些為這個醫(yī)學新時代做好準備的人的職業(yè)生涯。

除了以上盤點的AI應用外，還有很多智能算法在醫(yī)療領域的優(yōu)秀案例，未來還會有很多。但最后一個例子顯示了數(shù)字醫(yī)療的本質：最好的結果是——人工智能和人類醫(yī)生共同合作。