奥门金沙城游戏网站 > 技术创新 > 谷歌AI预测病人死亡日期 【奥门金沙城游戏网站

原标题:谷歌AI预测病人死亡日期 【奥门金沙城游戏网站

浏览次数:107 时间:2019-12-01

2018-09-11 15:39:39 作者:刘文广

儿科重症监护室内的场景,总是让人心痛。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。

【中关村在线新闻资讯】9月11日消息,谷歌开发智能系统,与加州旧金山大学、芝加哥大学和斯坦福大学的专家合作。令人惊讶的是,谷歌声称人工智能能够比医生使用的其他传统模型更准确地预测病人何时死亡。

1.人工智能预测阿兹海默病风险,准确率超 84%原始论文:Predicting Cognitive Decline with Deep Learning of Brain Metabolism and Amyloid

图片来源:https://www.ssyer.com

首先,人工智能算法必须自我训练。模型使用 78% 的数据来搜索模式并构建它们自己的内部"指导方针〃。然后使用剩余的记录对自己进行测试。在使用 2005 年的可用记录数据后,系统能预测在未来十年内哪些患者会首次发生心脑血管疾病,然后再使用 2015 年的记录检查预测结果。与 ACC/AHA 指导方针不同,机器学习方法可考虑超过 22 个的特征,包括民族、关节炎和肾脏疾病等。

虽然谷歌的人工智能在预测死亡方面可能并不完美,但随着更多数据的“传授”,它将表现得更好。因此,如果这一突破性的医疗技术得到改进,就可以减少医疗中的人为失误,从而挽救更多的生命。谷歌的人工智能技术可以帮助医疗专业人员改善诊断,做出更好的决策,最终提高治愈患者的护理水平。

3.人工智能诊断皮肤癌准确率达91% doi:10.1038/nature21056

原标题:谷歌AI预测病人死亡日期 准确率高达95%

我们使用了一种被称为深度卷积神经网络的专为图像分类而优化过的神经网络类型,该网络使用 128175 张视网膜图像的可追溯的开发数据集进行了训练,其中的每一张图像都针对糖尿病性视网膜病变、糖尿病性黄斑水肿和图像等级进行了 3 到 7 次评估,评估者来自 54 个美国有执照的眼科医生和眼科学资深专家在 2015 年 5 月到 12 月之间所作出的评估。所得到的算法使用 2016 年 1 月和 2 月的两个互相独立的数据集进行了验证,其中的每张图像都至少经过了 7 位美国认证的眼科医生的高 intragrader 一致性的评估。

谷歌在2018年5月的一篇期刊文章中公布了试验人工智能死亡预测的结果。该系统通过收集患者的各种细节数据来工作,如年龄、性别、种族、以前的诊断、目前的体征和实验室结果。更重要的是,该系统还可以利用图表和pdf格式的数据进行预测。在对算法进行测试后,谷歌发现它可以以惊人的准确率95%进行死亡预测,比传统模型的准确率高出10%。在其中一个案例研究中,谷歌AI软件对一名女性转移性癌症患者的记录进行了大约17.6万个数据点的处理,并宣称她在医院里有19.9%的死亡几率。医院的医生给了她9.3%的死亡几率。正如人工智能软件预测的那样,这名女子在两周内死亡。

近年来,世界各地的阿兹海默病研究人员一直在建立一个健康人群与阿尔茨海默病患者脑图像的数据库。Hongyoon Choi 博士和 Kyong Hwan Jin 博士使用这个数据库来训练卷积神经网络,并且在此基础之上识别它们之间的区别。该数据集由 182 位 70 多岁的健康人大脑图像和 139 位相似年龄的确诊阿兹海默病患者大脑图像组成。通过培训,该机器软件系统很快就学会了识别差异,精确度几乎达到了百分之九十。接下来,Hongyoon Choi 博士和 Kyong Hwan Jin 博士使用他们的机器来分析不同的数据集。这里面包括了 181 位 70 多岁轻度认知障碍患者的脑部图像,其中 79 人在三年内继续发展为阿兹海默病——显然机器学习的任务是发现这些易患疾病的个体。

所以,下次你去医院的时候,请询问他们是否能根据你的记录运行AI算法,并评估你的生存几率吗? 返回搜狐,查看更多

近,全球范围的科学家们都在欢庆人工智能50周年华诞。1943年,由McCulloch,Pitts和Wiener等科学家发表的关于生物控制论和仿生学的科技论文奠定了人工智能的理论基础。从那以后,一些科研团体热衷于从物理学、数学和工程计算中探寻生物学的踪迹,探索目的主要有两个,一是试图从工程研究中获取一些新的概念和灵感;二是物理学、工程学和计算学中的概念和相关技术,很好地帮助神经科学家们理解生物系统的功能。

奥门金沙城游戏网站 1

在一项新研究中,Weng 和其同事对比了 ACC/AHA 指导方针和 4 个机器学习算法:随机森林、logistic 回归、梯度提升以及神经网络。为了在没有人类指示的情况下得出预测工具,所有这 4 项技术分析了大量数据,被分析的数据来自英国 378256 名患者的电子医疗记录,目标是在与心血管疾病有关的记录之中找出发病模式。

责任编辑:

近日,韩国高科技科学院(Korea Advanced Institute of Science and Technology)和 Cheonan 公共卫生中心的科学家们通过深度学习开发出一项技术, 能以超过 84% 的准确度识别未来三年可能发展成为阿兹海默病的潜在病人。

2016年4月份,在捷克首都布拉格举行的国际生物医学成像国际研讨会上,一组来自哈佛大学的科学家们,展示了他们最新的研究成果。该研讨会组织了一次利用计算机模型来进行病理检测的竞赛。组织者们选择的病理活体组织检测基于前哨淋巴结活检。哈佛大学组的基于机器学习模型的分辨方法,可以在人类乳腺癌细胞组织中,成功区分开正常的组织细胞和乳腺癌细胞,其分辨的成功率达到了惊人的92%,远超出其他的机器学习模型。然而人类依然有着天然的优势。病原学专家进行活体组织检测,可以区分开正常组织细胞和癌细胞,其准确率则高达96%。在该研讨会上,来自哈佛大学的研究人员还展示了机器学习的人工智能模型与人类专家的协作,在组织细胞活体检测上面能够有99.5%的准确率。

7.谷歌研发人工智能眼科医生:用深度学习诊断预防失明doi:10.1001/jama.2016.17216

奥门金沙城游戏网站 2

研究人员使用人工智能软件解读了500名乳腺癌病人的乳腺X线影像结果和病理报告。该软件能够扫描病人的影像结果,收集诊断特征和将乳腺X线影像结果与乳腺癌亚型进行关联。医生使用软件的分析结果来精确预测每个病人诊断为乳腺癌的可能性。

奥门金沙城游戏网站 3

随着人工智能技术的快速崛起,基于人工智能的癌症筛选也获得了长足的进步。科学家们利用人工智能技术,可以高效区分出普通的健康细胞和癌变的细胞,其准确率不亚于一个专业训练的病原学专家。

这种用于检测可发病的糖尿病性视网膜病(RDR/referable diabetic retinopathy,即中度和更糟糕的糖尿病性视网膜病)、可发病的糖尿病性黄斑水肿或同时两者的算法的灵敏度和特异性是基于眼科专家小组中大多数决策的参考标准。该算法在为两个开发集所选择的 2 个操作点上进行了评估,其中一个是为高特异性选择的,另一个则是为高灵敏度选择的。

虽然这个系统还处于实验阶段,但Aczon和Ledbetter提到,这样的工具将在PICU中有很大的用途。当然,如果这个死亡率预测软件在医院投入使用,医生不会满足于只是获得病人的死亡风险评分。“风险评估只是第一步。”Ledbetter说,“一旦你知道了病人将会发生什么,你就可以基于患者病情思考如何进行干预和防止患者病情恶化情况的发生。”

Aczon和Ledbetter都在一个名为“虚拟PICU”的医院研究部门内工作。在这里,他们和那些渴望看到操作上有改进的临床医生合作,共同开发这个人工智能系统。Aczon说:“他们的观点是,在ICU里,医患之间的接触一直在发生,并产生数据。我们有道德责任从这些病例中学习,并将所学到的经验来更好地治疗接下来的患者。”

国家相关部门也认识到人工智能在医疗领域的应用需求,也陆续出台过相关文件。如2016年6月,国务院公布了《关于促进和规范健康医疗大数据应用发展的指导意见》,明确指出健康医疗大数据是国家重要的基础性战略资源,需要规范和推动健康医疗大数据融合共享、开放应用。

谷歌的人工智能已经比人类更好地掌握了古老的围棋、学会了识别人脸和口语、能帮你在网络中智能地筛选答案、甚至还能将你说的话翻译成上百种语言。而除了玩游戏和提供更便捷的智能手机应用之外,谷歌的人工智能还能做一些更为严肃的事,比如疾病诊断。实际上,谷歌已经严肃起来了。昨天,谷歌研究者在其 Research 博客上更新了一篇文章,介绍了他们在研究自动识别糖尿病性视网膜病变上的最新进展,相关论文已经发表在美国医学协会杂志(Journal of the American Medical Association)上。

斯坦福大学一个联合研究团队开发出了一个皮肤癌诊断准确率媲美人类医生的人工智能,相关成果刊发为了1月底《自然》杂志的封面论文,题为《达到皮肤科医生水平的皮肤癌筛查深度神经网络》(Dermatologist-level classification of skin cancer with deep neural networks)。他们通过深度学习的方法,用近13万张痣、皮疹和其他皮肤病变的图像训练机器识别其中的皮肤癌症状,在与21位皮肤科医生的诊断结果进行对比后,他们发现这个深度神经网络的诊断准确率与人类医生不相上下,在91%以上。

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。

机器学习模型已经在各个方面得到了应用,生物医学领域也逐渐有更多的“会学习的机器”参与。2016年4月的这次国际生物医学成像国际研讨会就旨在促进研究者们更多地关注人工智能在生物医学领域的应用。虽然目前来说,人工智能模型对于癌细胞的检测没有能够到达100%,但是其效率惊人,如果能够和人类配合,检测的精度和速度将会比传统方法提高很多,或许机器终将逐步取代人类。但是,哈佛大学的Andrew Beck博士指出,虽然机器学习和深度学习技术会让人的工作越来越少,但是传染病学专家和病理学专家仍有用武之地,因为机器学习模型需要人类的帮忙来完成学习过程。

11.Neurocomputing:人工智能50年辉煌历程doi:10.1016/j.neucom.2007.11.001

第三军军医大学罗阳团队研发的技术,可以在30秒内检测出ABO血型和Rh血型,仅用一滴血在2分钟内完成包括罕见血型在内的正向和反向同时定型(医生在输血前,为了减少错误,一般要做正反定型和交叉验血试验)。同时团队还设计出一套智能算法,能够根据试纸的颜色变化读出血型,定型准确率超过99.9%。

他们实验的创新点是使用了一种叫做循环神经网络的机器学习方法,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。

医生会非常热衷于能够发现可能发展成为阿兹海默病的潜在人群,因为他们最有可能受益于早期干预治疗。一般来说,其中一种方法是研究大脑的正电子发射断层扫描扫描图片。众多医学研究显示,阿兹海默病患者的大脑部位大量产生一种被称为淀粉样蛋白斑块的特征性蛋白质团块,它能负面影响大脑使用葡萄糖的能力,于是显着降低脑代谢速率。利用这一原理,某些类型的 PET 扫描可以显示出上述两种情况的大脑迹象,因此可以被用于发现最有可能发展成为阿兹海默病的轻度认知障碍患者。

在DREAM挑战结束时,这些研究人员利用他们拥有的对69种分子的评分测试了这种综合模型的性能。将气味属性与分子匹配在一起的完美分数是1.0;这种综合模型得分为0.83,显着好于之前 为解决这个问题作出的任何尝试。

除了减少病人痛苦和节省医师时间,该软件还能制住不断攀升的抗癌成本。美国国家癌症研究所预计,到2020年,国家花在癌症上的钱将达到史无前例的1580亿美元,实在是个天文数字。

8.人工智能加快乳腺癌风险预测doi:10.1002/cncr.30245

研发者们是以谷歌的一个能在128万张图像中识别1000种物体的算法为蓝本进行加工。谷歌的这个算法原本是用来区分喵星人和汪星人的,现在,研究者们需要训练它区别良性脂溢性角化病(benign seborrheic keratosis)和角化细胞癌(keratinocyte carcinomas)、普通的痣和恶性黑色素瘤。

在测试中,人工智能被要求完成三项诊断任务:鉴别角化细胞癌、鉴别黑色素瘤,以及使用皮肤镜图像对黑色素瘤进行分类。研究者通过建构敏感性-特异性曲线对算法的表现进行衡量。敏感性体现了算法正确识别恶性病变的能力,特异性体现了算法正确识别良性病变,即不误诊为癌症的能力。在所有三项任务中,该人工智能表现与人类皮肤科医生不相上下,敏感性达到91%。

图片来自H. Zhang et al., Science Translational Medicine, doi:10.1126/scitranslmed.aaf9209。

奥门金沙城游戏网站 4

遗憾的是,这一理论在操作中难以得到适当实践:认读解释 PET 图像很不容易。研究人员通过长期培训可以寻找一两个大的生物学标记,但是这种方法不仅耗时且容易出错。韩国科学家 Hongyoon Choi 博士和 Kyong Hwan Jin 博士开发了深度学习的神经网络,期望这一过程可替代人类的观察活动。

医院对于自家的重症监护室,往往有一个不成文的期望:减少“患者在病床上去世”事件的发生。这种想法乍一听有点奇怪,但可以理解。这个期望可能很快就能实现了。基于监测患者生命体征各种设备所提供的实时数据,ICU似乎是人工智能的完美使用场景,可以用来判断患者的实时病情以及病情何时恶化。

近年来,科学家们纷纷投入人工智能开发,用于预测和检测阿尔茨海默病、癌症、心脏病、病人死亡、血型、化学分子气味等。基于此,小编针对这些年来人工智能在生物医学领域的应用进行一番梳理,以飨读者。

本文由奥门金沙城游戏网站发布于技术创新,转载请注明出处:谷歌AI预测病人死亡日期 【奥门金沙城游戏网站

关键词:

上一篇:网友继续爆料,原来有两款小米8青春版,发布日

下一篇:吴亦凡在机场被抓拍:手持蓝紫渐变小米高颜值