新的人工智能模型可以從成千上萬(wàn)種可能性中學(xué)習(xí) 以建議醫(yī)療診斷和測(cè)試

一段時(shí)間以來(lái)，人工智能已經(jīng)被用于診斷特定領(lǐng)域的醫(yī)療狀況。它可以基于特定學(xué)科的知識(shí)細(xì)化細(xì)節(jié)，如提示乳腺癌的腫瘤形態(tài)或提示宮頸癌的異常細(xì)胞。AI雖然多年來(lái)在特定領(lǐng)域的人體數(shù)據(jù)訓(xùn)練方面表現(xiàn)出色，但無(wú)法應(yīng)對(duì)現(xiàn)代臨床實(shí)踐中大量的診斷測(cè)試(約5000種)和疾病(約14000種)。現(xiàn)在，南加州大學(xué)維特比工程學(xué)院的工程師開(kāi)發(fā)的新算法可以像醫(yī)生一樣思考和學(xué)習(xí)，但實(shí)際上它有無(wú)限的經(jīng)驗(yàn)。

這項(xiàng)工作來(lái)自杰拉爾德勒布的實(shí)驗(yàn)室，他是南加州大學(xué)維特比工程學(xué)院生物醫(yī)學(xué)工程、藥學(xué)和神經(jīng)病學(xué)教授，也是一名訓(xùn)練有素的醫(yī)生。勒布花了幾年時(shí)間將人工智能算法應(yīng)用于觸覺(jué)，并建造了機(jī)器人來(lái)感知和識(shí)別材料和物體。他之前在這方面的研究已經(jīng)超越了現(xiàn)有技術(shù)。雖然用于觸覺(jué)的AI狀態(tài)可以識(shí)別約10個(gè)物體，準(zhǔn)確率約為80%，但當(dāng)時(shí)的研究生Loeb和Jeremy Fishel可以識(shí)別117個(gè)物體，準(zhǔn)確率為95%。當(dāng)他們將其擴(kuò)展到500個(gè)對(duì)象并進(jìn)行15個(gè)不同的測(cè)試時(shí)，他們的算法變得更快、更準(zhǔn)確。勒布說(shuō)，那是他開(kāi)始考慮將其用于醫(yī)學(xué)診斷的時(shí)候。

李布的新形式AI通過(guò)挖掘數(shù)據(jù)庫(kù)中的電子病歷提出了最佳診斷策略。這可以導(dǎo)致更快、更好和更有效的診斷和治療。研究結(jié)果發(fā)表于《生物醫(yī)學(xué)信息學(xué)雜志》。

該算法的工作原理就像醫(yī)生一樣——“在醫(yī)學(xué)檢查的每個(gè)階段都在思考下一步該做什么，”神經(jīng)修復(fù)領(lǐng)域的先驅(qū)、人工耳蝸的原始開(kāi)發(fā)者之一勒布說(shuō)。用于治療聽(tīng)力損失?！安煌氖牵靡嬗诩w病歷中的所有經(jīng)驗(yàn)?！?

它是如何工作的？

長(zhǎng)期以來(lái)，傳統(tǒng)的AI使用特定的算法向醫(yī)生建議一系列觀察結(jié)果，從而做出最可能的診斷。被稱為貝葉斯推理，它使用任何當(dāng)前可用的信息來(lái)建議最有可能做出的診斷。

勒布的算法逆轉(zhuǎn)了這一過(guò)程，尋找最有可能識(shí)別正確疾病或狀況的測(cè)試，無(wú)論這些測(cè)試有多模糊。他稱之為貝葉斯探索。該算法還可以考慮與各種診斷測(cè)試相關(guān)的成本和延遲。

他說(shuō)：“以前從來(lái)沒(méi)有這樣做過(guò)?！薄斑@是新的?！?

Loeb說(shuō)，他的新算法有幾個(gè)優(yōu)點(diǎn)：首先，該算法可以通過(guò)提出幾個(gè)好的選擇來(lái)幫助醫(yī)生做出更好的診斷和測(cè)試決策，包括一些從業(yè)者可能不會(huì)考慮的選擇。接下來(lái)，隨著無(wú)數(shù)醫(yī)生將其他數(shù)據(jù)輸入電子病歷，診斷軟件將自動(dòng)更新和完善。

　　免責(zé)聲明：本文由用戶上傳，與本網(wǎng)站立場(chǎng)無(wú)關(guān)。財(cái)經(jīng)信息僅供讀者參考，并不構(gòu)成投資建議。投資者據(jù)此操作，風(fēng)險(xiǎn)自擔(dān)。 如有侵權(quán)請(qǐng)聯(lián)系刪除！