最近的一项研究显示，人工智能(AI)在预测死亡或心脏病发作的表现已经超过了人类。人类的思考维度是有限的，而高维度模式比单维度模式更有助于预测个体结果。在医学诊断领域，AI正在大显身手。通过重复学习和不断调整，AI可以利用大量的数据，来识别那些可能并不明显的潜在疾病。

齐鲁晚报·齐鲁壹点 记者 任志方

查看心脏测试结果

预测一年内死亡风险

据英国《新科学家》杂志网站11月11日报道，美国科学家的一项新研究称，人工智能(AI)可以通过查看某人的心脏测试结果，预测其一年之内死亡的风险——即便医生认为他们正常，但AI如何拥有这项“特异功能”仍是未解之谜。

在此研究中，医疗保健服务提供商盖辛格公司的布兰登·佛恩沃尔特及同事让AI检查了约40万人的177万例心电图(ECG)，以预测未来一年内谁的死亡风险更高。

为了做到这一点，该团队训练了两种版本的AI:一种AI仅被“喂食”原始ECG数据，其可随时间测量出电压；另一种AI则被“喂食”了ECG以及患者的年龄和性别数据。

研究人员使用名为“AUC”的指标来衡量这两种AI的性能，该指标可以描述模型各方面的表现，区别一年内可能死亡患者和幸存患者。佛恩沃尔特说，结果表明，AI的得分始终高于0.85分(满分为1分，得分为0.5表示两种AI之间没有区别)；而医生目前使用的风险评分模型的AUC的得分介于0.65—0.8之间。

为进行比较，研究人员还基于医生测量的ECG特征创建了一种算法，但佛恩沃尔特说：“无论如何，基于电压的模型的表现总比根据我们从心电图测量得到的数据而创建的模型要好。”

更重要的是，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。三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，或者至少是医生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。

另外，2018年6月，谷歌的一项研究报告称，该公司已开发出一种新人工智能算法，可预测人的死亡时间，且准确率高达95%。据报道，这项AI技术对患者面临的一系列临床问题进行了测试。在研究中，谷歌对来自两个医疗中心至少21.6万名成人患者，应用了这一AI技术，测试时间至少为24个小时。研究人员从电子健康记录中获取了大量数据。

研究证实，该算法可准确地预测病人的死亡风险、再入院情况，延长住院时间和出院诊断。在所有情况下，该算法都被证明比以前公布的算法更精确。据加州大学旧金山卫生系统的数据显示，该AI算法在预测患者死亡率方面有95%的准确率。

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进行诊断工作。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2万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辅助诊断已经以一种更为易用的方式应用于临床。位于日本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，AI系统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10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，这个系统由东京一个创新企业于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

医生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，AI真的做到了“看脸”辨识疾病。

相关内容发表于今年年初的《自然医学》杂志，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。

那么，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有针对性地去通过面部特征来识别相应疾病——只是它相对更高效。

近年来，围绕应用人工智能的潜在益处和风险，正在经历激烈争论。但在医疗保健领域，越来越多的人认为利用人工智能是一种很好的方法，因为这有助于更好地确定病人的病情和治疗方案。

来源：齐鲁晚报